RSP

搞清遥感预训练哪种强，照着跑实验就行

RSP是《An Empirical Study of Remote Sensing Pretraining》论文的官方代码库，专注于遥感图像预训练模型的实证研究。项目通过系统对比不同预训练策略（如ImageNet预训练、自监督预训练等）在遥感下游任务（如场景分类、目标检测、语义分割）上的表现，揭示了遥感数据与自然图像在预训练中的差异，并提供了可复现的训练和评估流程。它解决了遥感领域缺乏统一预训练基准的问题，帮助研究者快速验证和选择适合遥感任务的预训练方法。核心能力包括：多种预训练模型权重、标准化的下游任务评估脚本、以及详细的实验配置。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 159
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ViTAE-Transformer
所属国家
官网地址
GitHubhttps://github.com/ViTAE-Transformer/RSP
定价模式free
价格说明开源项目，MIT许可证，完全免费，无付费版本。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型change-detection,classification,deep-learning,foundation-models,imagenet,object-detection,pre-training,remote-sensing,semantic-segmentation,transfer-learning
GitHub 星标★ 159
30天Star增速
HF 下载量
上线时间2023-03-30 00:00:00
最近更新2026-04-07 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4

使用教程

核心亮点

  • 基于TGRS'22论文，实验设计严谨，结论有权威性
  • 提供多种预训练权重和评估脚本，开箱即用
  • 覆盖场景分类、检测、分割等主流遥感任务，对比全面

不足之处

  • 文档/社区待观察
  • 代码依赖较老，环境配置可能遇到兼容性问题

适用场景

  • 遥感领域研究者复现论文实验
  • 工程师选择遥感预训练模型时参考对比
  • 教学演示预训练对下游任务的影响

替代项目

MoCo、MAE、SeCo

项目介绍

RSP 是开源模型领域的开源项目，由 ViTAE-Transformer 开发，2023 年首次发布。

它收录于开源模型分类，该分类目前共有 424 个项目，GitHub 星标数为 159。

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 2026-04-07。MIT许可证，完全免费，无付费版本。

它主要面向的使用场景是：遥感领域研究者复现论文实验。同类可对比的替代方案包括 MoCo、MAE、SeCo。

上一篇：awesome-fm-fl

下一篇：PocketDex

同类项目推荐

Machine-Learning 开源

跟着博客笔记，边看边跑机器学习代码

All content related to machine learning from my blog

★ 115 2026-08-09
CoreML-Models 开源

下载即用的苹果端 AI 模型库，免去转换烦恼

Core ML model zoo for iOS/macOS — PyTorch models converted to ready-to-use .mlpacka···

★ 1873 2026-08-10