Краткое содержание

arXiv:2510.02572v2 Тип объявления: замена Аннотация: Последние достижения в области машинного обучения были поддержаны появлением специализированных программных библиотек для конкретных предметных областей, что позволило упростить рабочие процессы и повысить воспроизводимость результатов. В случае геопространственного машинного обучения (GeoML) доступность данных дистанционного зондирования Земли опередила развитие предметно-ориентированных библиотек, способных справляться с уникальными задачами этой области, такими как различная пространственная разрешающая способность, спектральные характеристики, временная периодичность, покрытие данными, системы координат и форматы файлов. Данная глава представляет собой всесторонний обзор библиотек GeoML, анализируя их эволюцию, основные функциональные возможности и текущую экосистему. Кроме того, рассматриваются популярные библиотеки GeoML, такие как TorchGeo, eo-learn и Raster Vision, подробно описывая их архитектуру, поддерживаемые типы данных и интеграцию с фреймворками машинного обучения. Также обсуждаются распространенные методологии предварительной обработки данных, пространственно-временные соединения, бенчмаркинг и использование предварительно обученных моделей. Через...