model

收录理由

对于处理卫星影像和环境数据的团队来说，Clay 是一个很实用的地理空间机器学习起点。它基于预训练的 Vision Transformer，输入 Sentinel-1 和 Sentinel-2 影像，同时结合位置与时间信息，生成地球表面任意区域的语义嵌入。这些嵌入可以直接用来定位地表矿场或水产养殖等特征，也可以针对作物类型识别、生物量估算、森林砍伐与洪水追踪等任务进行微调。仓库里提供了模型代码、预训练权重，以及一系列 Jupyter 教程，逐步演示嵌入生成、重建和基于真实数据的微调流程，安装之后就能直接跑通完整管线，不必再从多个项目里拼凑组件。由于权重和代码都采用 Apache 许可，Clay 也能作为骨干网络嵌入你自己的下游模型。