hls-foundation-os 是模型训练领域的开源项目，由 NASA-IMPACT 开发，2023 年首次发布。
它收录于模型训练分类，该分类目前共有 523 个项目，GitHub 星标数为 407。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-21。基于Apache-2.0许可证，可自由使用和修改，无付费版本。
它主要面向的使用场景是：土地覆盖分类。同类可对比的替代方案包括 timm、Raster Vision、TorchGeo。
hls-foundation-os
微调 HLS 遥感基础模型，快速落地分类任务
hls-foundation-os 是一个专注于 Harmonized Landsat and Sentinel-2 (HLS) 卫星影像基础模型 Prithvi 微调的开源项目。它提供了一系列 Jupyter Notebook 示例，帮助研究人员和开发者对 Prithvi 模型进行微调，以解决遥感领域的特定任务，如土地覆盖分类、作物类型识别等。项目解决了遥感领域标注数据稀缺、模型泛化能力不足的问题，通过微调预训练模型，用户可以用较少的数据获得较高的精度。核心能力包括数据预处理、模型微调流程、评估脚本，以及针对 HLS 数据的特定适配。项目代码结构清晰，易于上手，适合遥感与机器学习交叉领域的研究者。
开源
free
开源模型
GitHub 星标
★ 407
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类开源模型
开发团队NASA-IMPACT
所属国家
定价模式free
价格说明开源项目，基于Apache-2.0许可证，可自由使用和修改，无付费版本。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Jupyter Notebook
技术栈/模型foundation-models,remote-sensing
GitHub 星标★ 407
30天Star增速
HF 下载量
上线时间2023-07-11 00:00:00
最近更新2026-09-21 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数3
使用教程
核心亮点
- 提供完整的 HLS 数据微调示例，降低入门门槛
- 基于 Prithvi 基础模型，迁移学习效果好
- 代码以 Notebook 形式呈现，交互式调试方便
不足之处
- 文档/社区待观察
- 依赖特定遥感数据格式，通用性受限
适用场景
- 土地覆盖分类
- 农业作物监测
- 环境变化检测
替代项目
timm、Raster Vision、TorchGeo
项目介绍
上一篇：terratorch
下一篇：TOTEM
同类项目推荐
Long-RL
开源
让强化学习轻松驾驭超长序列，训练更稳更快
Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)
TPA
开源
把注意力复杂度从平方降到线性，长序列不再卡顿
[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···
minimind
开源
两小时造出你的小模型，练手入门不求人
Train a 64M-parameter LLM from scratch in just 2h!
pruna
开源
一键优化 AI 模型，推理提速又省资源。
Pruna is a model optimization framework built for developers, enabling you to delive···