HyperSIGMA

高光谱遥感一站式基础模型，开箱即用做分类检测

HyperSIGMA 是发表在 TPAMI'25 上的高光谱智能理解基础模型官方实现。高光谱图像包含数十至数百个连续光谱波段，传统方法难以有效处理其高维性和冗余性。HyperSIGMA 通过自监督预训练学习光谱-空间联合表征，为高光谱图像的分类、目标检测、异常检测等下游任务提供通用特征提取能力。项目包含模型架构、预训练权重和推理代码，支持自定义数据微调，旨在降低高光谱遥感应用的门槛，推动该领域从专用模型向通用基础模型演进。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 392

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WHU-Sigma

所属国家

官网地址

GitHubhttps://github.com/WHU-Sigma/HyperSIGMA

定价模式free

价格说明开源模型，Apache-2.0许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型computer-vision,deep-learning,foundation-model,foundation-models,hyperspectral-anomaly-detection,hyperspectral-change-detection,hyperspectral-datasets,hyperspectral-image-classification,hyperspectral-image-denoising,hyperspectral-image-segmentation,hyperspectral-super-resolution,hyperspectral-target-detection,hyperspectral-unmixing,pre-training,pytorch,remote-sensing,remote-sensing-foundation-model,self-attention,spectral-spatial-information-fusion,transformer

GitHub 星标★ 392

30天Star增速

HF 下载量

上线时间2024-05-09 00:00:00

最近更新2026-09-21 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

首个针对高光谱智能理解的基础模型，发表于 TPAMI，学术权威性高
提供预训练权重，可直接用于分类、检测等任务，免去大规模训练成本
代码结构清晰，基于 PyTorch，易于二次开发和迁移到自有数据

不足之处

项目处于早期，文档和示例可能不够完善，社区支持待观察
依赖特定高光谱数据预处理流程，对新手有一定学习成本

适用场景

高光谱遥感图像地物分类
环境监测中的异常检测（如污染、矿物分布）
农业植被健康状态分析

替代项目

SpectralFormer、SSFTT、HiT

项目介绍

HyperSIGMA 是开源模型领域的开源项目，由 WHU-Sigma 开发，2024 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 392。

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 2026-09-21。Apache-2.0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：高光谱遥感图像地物分类。同类可对比的替代方案包括 SpectralFormer、SSFTT、HiT。

上一篇：HPT

下一篇：Foundation-Models-Playgrounds