SARATR-X

用基础模型让雷达图像识别更准更省标注

SARATR-X 是一个面向合成孔径雷达（SAR）目标识别的基础模型，旨在解决传统 SAR 图像解译依赖人工特征、样本稀缺且泛化能力弱的问题。它基于视觉 Transformer 架构，通过自监督预训练从大量无标注 SAR 数据中学习通用表征，支持目标检测、分类和分割等下游任务。核心能力包括多尺度特征提取、旋转不变性建模以及对复杂地物场景的鲁棒识别。项目提供了完整的训练和推理代码，并公开了预训练权重，便于研究者直接微调应用。其创新点在于将基础模型范式引入 SAR 领域，降低了对昂贵标注数据的依赖，提升了跨场景迁移能力。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 270

维护状态维护中

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队waterdisappear

所属国家

官网地址

GitHubhttps://github.com/waterdisappear/SARATR-X

定价模式free

价格说明开源模型，本地部署，完全免费

访问状态

是否开源是

开源协议NOASSERTION

主要语言Jupyter Notebook

技术栈/模型automatic-target-recognition,foundation-models,synthetic-aperture-radar

GitHub 星标★ 270

30天Star增速

HF 下载量

上线时间2024-08-18 00:00:00

最近更新2026-09-12 00:00:00

维护状态维护中

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5

使用教程

核心亮点

自监督预训练减少对人工标注的依赖，利用海量无标签SAR数据
基于视觉Transformer架构，擅长捕捉全局上下文与多尺度特征
提供预训练权重和完整代码，开箱即用，便于微调

不足之处

项目处于早期，文档和社区支持待观察
预训练数据规模和具体来源未详细披露，可能影响复现

适用场景

军事侦察中的目标识别与分类
灾害监测中的地物变化检测
遥感图像智能解译系统集成

替代项目

MMSAR、SAR-Transformer、OpenSAR

项目介绍

SARATR-X 是计算机视觉领域的开源项目，由 waterdisappear 开发，2024 年首次发布。

它收录于计算机视觉分类，该分类目前共有 447 个项目，GitHub 星标数为 270。

项目仍在小幅维护中，最近一次代码更新于 2026-09-12。本地部署，完全免费。

它主要面向的使用场景是：军事侦察中的目标识别与分类。同类可对比的替代方案包括 MMSAR、SAR-Transformer、OpenSAR。

上一篇：Franca

下一篇：AnomalyDINO