satellite-image-deep-learning/techniques

これは何か

衛星および航空画像の解析に特化した深層学習技術、モデル、アルゴリズムを収集した厳選されたオープンソースリポジトリです。これはリファレンスハブであり、技術の長い検索可能なリストと、リンクされたサンプルプロジェクトで構成されています。

対象範囲

リポジトリは技術をカテゴリ別に整理しています。以下を含みます：

分類 — 画像全体にラベルを割り当てます（例：「都市」、「森林」）。README は、これがピクセルレベルの分類（セグメンテーション）とは異なることを指摘しています。
セグメンテーション — 各ピクセルにクラスラベルを割り当て、画像をラベル付きグリッドに変換します。例：道路/建物のセグメンテーション、土地利用、作物タイプの分類。
物体検出
回帰
雲の検出と除去
変化検出
時系列
作物分類
作物収量と植生予測
生成ネットワーク
オートエンコーダー、次元削減、画像埋め込み、類似性検索
少数ショットおよびゼロショット学習
自己教師あり、教師なし、対比学習
SAR（合成開口レーダー）
説明可能なAI（XAI）
大規模視覚・言語モデル（LLM と LVM）
AIエージェント
基盤モデル

各カテゴリには、特定の GitHub プロジェクトへのリンクと簡単な説明が含まれています。例えば、分類セクションには、WaterNet（衛星画像内の水を識別）や Road-Network-Classification（ResNet-34 を使用して道路ネットワークを分類）などのプロジェクトがリストされています。

存在理由

README は、深層学習が衛星および航空画像の解析方法を変えたが、これらの画像には独自の課題があると説明しています。それらは非常に大きく、多くの異なるオブジェクトタイプを含みます。このリポジトリは、それらの課題に適した技術の網羅的な概要を提供することを目的としています。

使用方法

README は、Command + F（Mac）または CTRL + F（Windows）を使用してページを直接検索することを提案しています。例えば、「SAM」と入力して関連エントリにジャンプします。

付随ウェブサイト

リポジトリは付随サイト satellite-image-deep-learning.com を指しています。

注目すべき詳細

README には、「ハイパースペクトル土地分類」とラベル付けされた多くの記事が実際にはセマンティックセグメンテーションを説明しているという注記が含まれています。
衛星画像分類とセグメンテーションに関するニューラルネットワークの入門記事へのリンクがあります。
プロジェクトは積極的にメンテナンスされており、非常に新しいエントリ（例：基盤モデル、AIエージェント、大規模視覚・言語モデル）を含んでいます。