产品简介
IEEE_TPAMI_SpectralGPT 是专为光谱遥感图像设计的通用基础模型，能处理不同大小、分辨率、时间序列的图像，支持单/多标签场景分类、语义分割和变化检测。它填补了光谱数据基础模型的空白，利用大量遥感大数据进行预训练，适合遥感研究人员和数据科学家使用。
核心功能
- 处理不同大小、分辨率、时间序列的光谱遥感图像
- 使用 3D token 生成进行空间-光谱耦合
- 通过多目标重建捕获光谱序列模式
- 在超过 100 万张光谱图像上预训练，参数超过 6 亿
- 支持四个下游任务：单/多标签场景分类、语义分割、变化检测
快速开始
- 第一步：安装 Python 依赖，运行 pip install -r requirements.txt。
- 第二步：下载预训练数据集，如 fMoW-Sentinel 或 BigEarthNet。
- 第三步：运行预训练命令，例如使用 torchrun 执行 main_pretrain.py 脚本。
- 第四步：微调模型到下游任务，使用相应数据集和命令。
界面预览
与其他方案对比
| 对比项 | IEEE_TPAMI_SpectralGPT | 同类方案 |
|---|---|---|
| 数据处理类型 | 专为光谱遥感图像设计，支持 3D token 和多目标重建 | 传统基础模型主要处理 RGB 图像，缺乏光谱数据优化 |
| 预训练数据规模 | 在超过 100 万张光谱图像上预训练，参数超过 6 亿 | 通常使用较小或特定领域的数据集 |
适合谁用
- 遥感研究人员，用于开发光谱图像分类和分割模型
- 地理空间数据科学家，需要分析大量遥感数据
- 机器学习工程师，专注于计算机视觉在遥感中的应用
下载与版本
当前最新版本为 main，发布于 。支持 Windows、macOS、Linux。
⚠️ 注意：本项目仅提供源代码下载，不包含可直接运行的安装包（exe/dmg/apk 等。下载后需要自行编译构建才能使用，适合有一定开发经验的用户。如果你不熟悉编译流程，建议寻找同类开箱即用的替代方案。
注意事项
- 本工具仅供学习和研究使用，请遵守相关法律法规。
- 请尊重内容创作者版权，勿将下载内容用于商业或非法传播。
- 项目源码地址：https://github.com/danfenghong/IEEE_TPAMI_SpectralGPT