MTP

多任务预训练遥感模型,一个骨干搞定多种任务

MTP 是 JSTARS'24 论文的官方实现,提出了一种面向遥感基础模型的多任务预训练方法。它通过同时学习多个遥感任务(如场景分类、语义分割、目标检测等)来训练一个通用的视觉骨干网络,解决了传统单任务预训练模型泛化能力不足、难以适应多样化遥感应用的问题。核心能力包括:支持多种预训练任务灵活组合、提供标准化的遥感数据集预处理流程、以及基于 PyTorch 的模型训练与评估代码。项目旨在为遥感领域的研究者和开发者提供一个开箱即用的多任务预训练基线,帮助提升下游任务性能。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 253
维护状态 低维护
是否开源
定价模式 free

项目数据

分类开源模型
开发团队ViTAE-Transformer
所属国家
官网地址
定价模式free
价格说明开源模型,MIT许可证,完全免费,可自行部署使用。
访问状态
是否开源
开源协议MIT
主要语言Python
技术栈/模型change-detection,classification,deep-learning,foundation-models,object-detection,pre-training,remote-sensing,remote-sensing-foundation-model,semantic-segmentation,transfer-learning,vision-transformer
GitHub 星标★ 253
30天Star增速
HF 下载量
上线时间2024-03-18 00:00:00
最近更新2026-09-18 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

  • 多任务联合预训练,提升遥感特征泛化性
  • 官方实现,代码结构清晰,易于复现
  • 支持场景分类、分割、检测等主流遥感任务

不足之处

  • 文档/社区待观察
  • 依赖特定数据集,迁移到新数据需额外适配

适用场景

  • 遥感图像分类与识别
  • 遥感语义分割与目标检测
  • 遥感基础模型研究与对比

替代项目

SatMAE、RingMo、SeCo

项目介绍

MTP 是模型训练领域的开源项目,由 ViTAE-Transformer 开发,2024 年首次发布。

它收录于模型训练分类,该分类目前共有 518 个项目,GitHub 星标数为 253。

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 2026-09-18。MIT许可证,完全免费,可自行部署使用。

它主要面向的使用场景是:遥感图像分类与识别。同类可对比的替代方案包括 SatMAE、RingMo、SeCo。

上一篇:TSLANet

下一篇:JAFAR

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)

★ 729 2026-08-09
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···

★ 463 2026-08-09
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!

★ 62178 2026-08-09
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···

★ 1286 2026-08-13