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

Remote-Sensing-RVSA 是遥感领域的基础模型开源项目，对应 TGRS'22 论文《Advancing Plain Vision Transformer Towards Remote Sensing Foundation Model》。它针对遥感图像与自然图像在尺度、方向和背景上的巨大差异，将普通 Vision Transformer 改造为适用于遥感任务的预训练模型。核心能力包括：提出旋转可变尺寸注意力机制，使模型能自适应地处理遥感图像中地物目标的多方向和多尺度特性；通过大规模遥感影像自监督预训练，学习到更具泛化性的视觉表征；提供完整的模型训练、微调和推理代码，支持下游任务如场景分类、目标检测和语义分割。该项目解决了通用视觉模型在遥感场景下性能不佳的问题，为遥感智能解译提供了一个高效、可复用的基础模型基线。