Remote-Sensing-RVSA
让通用ViT适配遥感图像，多方向多尺度目标识别更准
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 470
使用教程
ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。
环境要求
- Python
- PyTorch
- CUDA GPU
安装与启动步骤
-
1装依赖
按其说明装框架与依赖。
-
2下预训练权重
分类与检测各有对应权重。
-
3按任务跑推理
分类与检测走不同入口。
-
4或用特定框架版本
仓库另提供某一国产框架的分类推理实现。
如何确认成功
用预训练权重在遥感分类或检测任务上跑通一次推理，输出结果与论文报告的量级相当
注意事项
- 它是遥感基础模型的论文实现，针对遥感图像尺度大、方向任意、背景复杂的特点改造了注意力机制。
- 遥感与自然图像的差异很大，直接套自然图像的做法效果会明显打折。
- 仓库另有一份基于国产框架的实现，选之前确认自己环境支持哪个。
- 权重与代码版本要配套，混用会报维度错。
核心亮点
- 提出旋转可变尺寸注意力，直接应对遥感目标任意朝向和尺度变化，比固定窗口注意力更贴合实际
- 在多个遥感下游任务（分类、检测、分割）上验证了优于同期通用ViT和CNN基线的精度
- 提供官方预训练权重和完整微调脚本，复现门槛低，便于二次开发
不足之处
- 模型基于ViT-B/L，参数量较大，边缘设备部署推理成本高
- 预训练数据规模和多样性未公开细节，跨区域泛化能力需自行验证
- 文档/社区待观察
适用场景
- 遥感图像场景分类（如土地利用类型识别）
- 遥感目标检测（如飞机、船舶、油罐等小目标）
- 遥感语义分割（如建筑物、水体提取）
替代项目
SatMAE、RingMo、SeCo
同类项目推荐
dlib
开源
C++ 写机器学习，人脸检测和训练模型一把梭
A toolkit for making real world machine learning and data analysis applications in C···
openMVG
开源
多张照片一键算出相机位姿与三维点云
open Multiple View Geometry library. Basis for 3D computer vision and Structure from···
TeleOCR
开源
Telegram 图片自动转文字，聊天记录秒变可搜索文本
paperless-ngx
开源
扫描即归档，自动识别分类，让纸质文件变可搜索数字库
A community-supported supercharged document management system: scan, index and archi···
Mieru-OCR
开源
浏览器里离线跑验证码识别，图片不出本机
基于 [ddddocr] 的浏览器验证码识别程序，使用 ONNX Runtime Web 在浏览器中完成离线推理。···
obsidian-text-extractor
开源
图片PDF一键变可搜索文字，笔记整理效率翻倍
A (companion) plugin to facilitate the extraction of text from images (OCR) and PDFs···
Awesome-Multimodal-Object-Tracki···
开源
一页看全多模态单目标跟踪论文与数据集
A continuously updated project to track the latest progress in the field of multi-mo···
gImageReader
开源
桌面点点鼠标，把图片和扫描件变成可复制文字
A Gtk/Qt front-end to tesseract-ocr.
STU-Net
开源
14亿参数医学分割大模型，预训练即拿高分
The largest pre-trained medical image segmentation model (1.4B parameters) based on ···