sentinel-hub/eo-learn

해결하는 문제

위성 영상에서 유용한 정보를 추출하는 과정을 간소화합니다. Copernicus 및 Landsat과 같은 프로그램에서 발생하는 고해상도 시공간 데이터의 막대한 양을 처리하는 어려움을 해결하여, 토지 이용 모니터링, 재해 관리, 인도적 지원과 같은 응용 분야에서 복잡한 패턴을 자동으로 탐지할 수 있도록 합니다.

작동 방식

eo-learn는 지구 관측 분야와 Python 데이터 과학 생태계 사이의 다리 역할을 합니다. 원격 감지 데이터를 NumPy 배열로 처리하고, 정보 추출을 위한 작업 시퀀스(처리 체인)를 사용자가 정의할 수 있도록 합니다. 이 라이브러리는 여러 전문 모듈로 구성된 모듈식 구조를 가지고 있습니다:

• Core: EOPatch, EOTask, EOWorkflow와 같은 기본 빌딩 블록을 구현.
• Coregistration: 이미지의 정합 처리를 담당.
• Features: 특징 조작 및 데이터 속성 추출을 위한 유틸리티 제공.
• Geometry: 벡터 데이터와 래스터 데이터 간의 변환을 관리.
• IO: Sentinel Hub 서비스 또는 로컬 저장소에서 데이터를 가져오는 작업을 관리.
• Mask: 구름, 눈, 기타 장애물에 대한 마스크를 계산.
• ML-tools: 기계학습 워크플로우에서의 전처리 및 후처리를 위한 도구 제공.
• Visualization: 핵심 요소를 시각화하는 도구 제공.

대상 사용자

최신 컴퓨터 비전 및 기계학습 도구를 사용하고자 하는 원격 감지 전문가와, 지구 관측 분야에 쉽게 접근하고자 하는 비전문가 모두를 위한 것입니다.

주요 특징

• 모듈식 설계: 구름 마스킹, 분류와 같은 특정 작업의 공유 및 재사용을 장려.
• Python 생태계 통합: 위성 데이터를 NumPy 및 기타 ML/DL 라이브러리와 원활하게 연결.
• 시공간 중심: 시간에 따라 변화하는 이미지 시퀀스를 처리하기 위해 특별히 설계됨.
• 유연한 배포: PyPI, Conda 또는 사전 구성된 Docker 이미지(자연어 노트북 포함)로 설치 가능.