ViTAE-Transformer-Remote-Sensing

:alarm_clock: 论文"遥感预训练的实证研究"的代码仓库已移至 RSP

<h1 align="center">遥感</h1>

本仓库包含了我们与遥感相关的研究工作的综合列表。如有任何相关问题，请联系<strong><a href="https://dotwang.github.io">王迪</a></strong>，邮箱：wd74108520@gmail.com 或 d_wang@whu.edu.cn。

概览

1. 遥感预训练的实证研究 [TGRS-2022]

<a href="https://arxiv.org/abs/2204.02825"><img src="https://img.shields.io/badge/arxiv-论文-brightgreen"></a> <a href="https://ieeexplore.ieee.org/document/9782149"><img src="https://img.shields.io/badge/TGRS-论文-blue"></a> <a href="https://github.com/ViTAE-Transformer/RSP"><img src="https://yellow-cdn.veclightyear.com/0a4dffa0/894ace51-faa7-47a2-8294-a4bd7c3d4fae.svg?logo=github&label=Stars&color=white"></a>

2. 推进普通视觉Transformer成为遥感基础模型 [TGRS-2022]

<a href="https://arxiv.org/abs/2208.03987"><img src="https://img.shields.io/badge/arxiv-论文-brightgreen"></a> <a href="https://ieeexplore.ieee.org/document/9956816"><img src="https://img.shields.io/badge/TGRS-论文-blue"></a> <a href="https://github.com/https://github.com/ViTAE-Transformer/Remote-Sensing-RVSA"><img src="https://yellow-cdn.veclightyear.com/0a4dffa0/4418db4d-f0db-44a4-89e1-3ca05068e154.svg?logo=github&label=Stars&color=white"></a>

3. SAMRS: 使用Segment Anything Model扩展遥感分割数据集 [NeurIPS-2023]

<a href="https://arxiv.org/abs/2305.02034"><img src="https://img.shields.io/badge/arxiv-论文-brightgreen"> <a href="https://openreview.net/forum?id=jHrgq55ftl"><img src="https://img.shields.io/badge/NeurIPS-论文-purple"></a> <a href="https://github.com/ViTAE-Transformer/SAMRS"><img src="https://yellow-cdn.veclightyear.com/0a4dffa0/9009bb85-b02e-445b-8e3c-631ef08e2b99.svg?logo=github&label=Stars&color=white"></a>

4. MTP: 通过多任务预训练推进遥感基础模型 [JSTARS-2024]

<a href="https://arxiv.org/abs/2403.13430"><img src="https://img.shields.io/badge/arxiv-论文-brightgreen"> <a href="https://ieeexplore.ieee.org/document/10547536"><img src="https://img.shields.io/badge/JSTARS-论文-green"></a> <a href="https://github.com/ViTAE-Transformer/MTP"><img src="https://yellow-cdn.veclightyear.com/0a4dffa0/40760e15-49d0-4467-9575-e0dfbad3432c.svg?logo=github&label=Stars&color=white"></a>

5. LeMeViT: 用于遥感图像解释的高效视觉Transformer与可学习元令牌 [IJCAI-2024]

<a href=""><img src="https://img.shields.io/badge/arxiv-论文-brightgreen"></a> <a href="https://ieeexplore.ieee.org/document/9782149"><img src="https://img.shields.io/badge/IJCAI-论文-blue"></a> <a href="https://github.com/ViTAE-Transformer/LeMeViT"><img src="https://yellow-cdn.veclightyear.com/0a4dffa0/130d466d-ad6f-4e88-ba9e-d73ca7e4a138.svg?logo=github&label=Stars&color=white"></a>

项目

<span id="rsp">📘 遥感预训练的实证研究 [TGRS-2022]</span>

<em>王迪^∗，张静^∗，杜博，夏桂松，陶大程</em>

论文 | Github代码 | BibTex

我们利用目前最大的遥感场景识别数据集MillionAID，从头训练不同的网络，以获得遥感预训练的骨干网络，包括卷积神经网络（CNN）和视觉Transformer（如Swin和ViTAE），这些网络在计算机视觉任务中表现出色。然后，我们研究了ImageNet预训练（IMP）和遥感预训练（RSP）对一系列下游任务的影响，包括场景识别、语义分割、目标检测和变化检测，使用CNN和视觉Transformer骨干网络。

<img src="https://yellow-cdn.veclightyear.com/0a4dffa0/e7ba1229-50aa-4584-b483-c49411178327.png" width="100%">

---

<span id="rvsa">📘 推进普通视觉Transformer成为遥感基础模型 [TGRS-2022]</span>

<em>王迪^∗，张启明^∗，徐宇飞^∗，张静，杜博，陶大程，张良培</em>

论文 | Github代码 | BibTex

我们采用约1亿参数的普通视觉Transformer，首次尝试提出针对遥感任务定制的大型视觉模型，并提出新的旋转可变大小窗口注意力（RVSA）来替代原始的全注意力，以处理遥感图像中的大尺寸图像和各种方向的目标。RVSA可以显著降低计算成本和内存占用，同时通过从生成的多样化窗口中提取丰富的上下文来学习更好的目标表示。

<img src="https://yellow-cdn.veclightyear.com/0a4dffa0/f14ec846-f94f-45c7-ac59-96f55e4937a9.png" width="100%">

---

<span id="samrs">📘 SAMRS: 使用Segment Anything Model扩展遥感分割数据集 [NeurIPS-2023]</span>

<em>王迪，张静，杜博，徐敏强，刘琳，陶大程，张良培</em> 论文 | Github 代码 | BibTex

在这项研究中，我们利用<a href="https://arxiv.org/abs/2304.02643">SAM</a>和现有的遥感目标检测数据集，开发了一个高效的流程来生成大规模遥感分割数据集，称为SAMRS。SAMRS在规模上超过了现有的高分辨率遥感分割数据集几个数量级，并提供了可用于语义分割、实例分割和目标检测的对象类别、位置和实例信息，这些信息可以单独或组合使用。我们还从多个方面对SAMRS进行了全面分析。我们希望它能促进遥感分割研究，特别是在大型模型预训练方面。

<img src="https://yellow-cdn.veclightyear.com/0a4dffa0/cbab9861-94aa-472f-bccc-edff9549c847.png" width="100%">

---

<span id="mtp">📘 MTP：通过多任务预训练推进遥感基础模型 [JSTARS-2024]</span>

<em>王迪, 张静, 徐敏强, 刘林, 王东升, 高尔忠, 韩成希, 郭浩南, 杜博, 陶大程 和 张良培</em>

论文 | Github 代码 | BibTex

在这项研究中，我们探索了遥感基础模型的多任务预训练（MTP）范式。使用共享编码器和特定任务解码器架构，我们在SAMRS数据集上进行多任务监督预训练，包括语义分割、实例分割和旋转目标检测。MTP支持卷积神经网络和具有超过3亿参数的视觉transformer基础模型。预训练模型在各种遥感下游任务上进行微调，如场景分类、水平和旋转目标检测、语义分割和变化检测。我们希望这项研究能鼓励进一步探索遥感基础模型，并期待这些模型在遥感图像解释的各个领域得到广泛应用。

<img src="https://yellow-cdn.veclightyear.com/0a4dffa0/3fd871a7-6588-40ae-baf7-0014afabaa8f.png" width="100%">

---

<span id="lemevit">📘 LeMeViT：具有可学习元令牌的高效视觉Transformer用于遥感图像解释 [IJCAI-2024]</span>

<em>蒋文涛, 张静, 王迪, 张启明, 王增茂 和 杜博</em>

论文 | Github 代码 | BibTex

在这项研究中，我们提出使用可学习的元令牌来构建稀疏令牌，这有效地学习关键信息同时提高推理速度。我们提出双向交叉注意力（DCA）来促进图像令牌和元令牌之间的信息交换，它们在双分支结构中交替作为查询和键（值）令牌，与自注意力相比显著降低了计算复杂度。分类和密集预测任务的实验结果表明，LeMeViT具有显著的加速效果、更少的参数和有竞争力的性能，并在效率和性能之间取得了更好的平衡。我们希望这项研究能推动高效遥感模型的发展，并促进基础模型的实际应用。

<img src="https://yellow-cdn.veclightyear.com/0a4dffa0/cfb2d783-ee50-46ab-b95c-134054fa8121.png" width="100%">