awesome-remote-sensing-change-detection

GitHub
2.2k 391 困难 1 次阅读 3天前开发框架数据工具
AI 解读 由 AI 自动生成，仅供参考

awesome-remote-sensing-change-detection 是一个专注于遥感变化检测领域的开源资源合集，旨在为相关研究与开发提供一站式导航。它系统性地整理了该领域最新的数据集、工具代码、核心算法方法、综述论文以及各类竞赛信息，帮助从业者快速掌握前沿动态。

在遥感应用中，如何从卫星或航空影像中精准识别地表变化（如建筑物增减、灾害损毁、土地利用变迁等）一直是个技术难点，往往面临数据分散、算法复现困难等问题。awesome-remote-sensing-change-detection 通过汇聚全球优质资源，有效解决了信息碎片化难题，大幅降低了入门门槛和调研成本。

这份合集特别适合遥感领域的科研人员、算法工程师以及深度学习开发者使用。无论是需要寻找特定场景的训练数据，还是希望对比不同模型的性能，都能在这里找到详尽的索引。其独特的技术亮点在于不仅涵盖了传统的 CNN 方法，还及时跟进并收录了基于基础模型（Foundation Models）、扩散模型（Diffusion Models）以及 Transformer 架构的最新前沿成果，同时区分了光学影像与多模态（如 SAR）数据资源，展现了极高的专业度与时效性。对于想要深入探索遥感智能解译的用户而言，这是一个不可或缺的权威参考库。

使用场景

某省级自然资源监测中心的研究团队正紧急开展年度违建拆除与耕地恢复情况的遥感核查工作，需要在短时间内处理全省高分辨率卫星影像。

没有 awesome-remote-sensing-change-detection 时

  • 数据筛选耗时巨大：团队需在 Google Scholar、GitHub 和各类论坛中手动搜索分散的数据集，难以快速找到适合中国地区高分辨率（如 0.5m）且标注精细的“耕地”或“建筑”变化检测数据。
  • 算法选型盲目低效：面对层出不穷的深度学习模型（如 Transformer、扩散模型），缺乏系统的对比综述，只能凭经验盲目尝试旧版 CNN 网络，导致小目标漏检率高。
  • 复现门槛极高：找到的论文往往缺少开源代码或依赖环境复杂，研究人员需花费数周时间重新编写数据预处理脚本，严重拖慢项目进度。
  • 灾害响应滞后：在突发洪涝灾害评估中，因无法即时获取专门的灾害损毁评估（DDA）数据集资源，导致灾情分析报告延迟提交。

使用 awesome-remote-sensing-change-detection 后

  • 一站式获取精准数据：直接通过目录锁定针对中国区域（如厦门、福州）的 0.5m 分辨率耕地变化数据集，以及全球范围的 WHU-GCD 等高质量数据，数据准备时间从数周缩短至半天。
  • 科学匹配前沿模型：依据整理的“基础模型”、“扩散模型”及"Transformer"分类列表，快速定位到最适合建筑物细粒度变化的 SOTA 算法，显著提升了违建识别的准确率。
  • 代码复用加速落地：利用列表中提供的官方工具链接和开源实现，团队直接复用成熟的预处理管道和训练框架，将模型部署周期压缩了 70%。
  • 应急资源即时调用：通过“灾害响应卫星数据资源”专区，迅速接入专为灾后评估设计的数据集与竞赛方案，实现了灾情的当日监测与上报。

awesome-remote-sensing-change-detection 将原本碎片化的科研资源整合为标准化引擎，让遥感变化检测从“大海捞针”式的探索转变为高效精准的工业化流程。

运行环境要求

GPU

未说明

内存

未说明

依赖
notes该仓库（awesome-remote-sensing-change-detection）是一个遥感变化检测领域的资源汇编列表（Awesome List），主要包含数据集、工具、方法论文和竞赛信息的链接索引，本身不是一个可直接运行的软件工具或代码库，因此 README 中未提供具体的操作系统、GPU、内存、Python 版本或依赖库等运行环境需求。用户需根据列表中链接的具体子项目（如特定的 GitHub 代码库）去查阅其各自的安装说明。
python未说明
awesome-remote-sensing-change-detection hero image

快速开始

超赞的遥感变化检测

Awesome 维护中 欢迎提交PR 使用Markdown制作ForksGitHub星标最近一次提交许可证：MIT

这是一份全面且最新的遥感变化检测相关资源合集，涵盖了数据集、工具、方法（包括基础模型、扩散模型、Transformer和CNN等）、综述论文以及竞赛信息。

目录

数据集

  • SCD：语义变化检测，BCD：二值变化检测，DDA：灾害损毁评估，BDA：建筑物损毁评估，RSICC：遥感图像变化描述

光学数据集

年份 任务 目标 数据集 出版物 来源 图像对数 图像尺寸 分辨率 地点 类别
2025 SCD+BCD 建筑物 RSCC NeurIPS2025 Open Maxar Data Programme 62,351 512 × 512 0.3-0.8m 全球31个地点 5
2026 SCD 土地覆盖 LsSCD-Ex JAG2026 Google Earth 100 2048 × 2048 0.6m 中国南京 8
2026 SCD+BCD 建筑物 FOTBCD-Binary;FOTBCD-Instances arXiv2026 IGN 27,871;4000 512 × 512 0.2m 法国 2;3
2025 RSICC 土地覆盖 MOSAIC-SEN2-CC JSTARS2025 Sentinel-2 5,232 480 × 480 10m 全球 8
2025 SCD 耕地 厦门, 福州 JAG2025, ISPRS P&RS 2024 Google Earth 6480 (厦门); 8719 (福州) 256 × 256 0.5m 中国厦门翔安区和同安区；福州长乐区和闽侯区 7
2025 SCD+BCD 土地覆盖 WHU-GCD ISPRS P&RS 2025 LoveDA、Evlab-SS、LandCover.ai和Google Earth；DSIFN-CD、LEVIR-CD、SECOND、CLCD、CNAM-CD 28,067 512 × 512 - 全球 26
2025 BCD 建筑物 CWSCD JAG2025 BJ-2、GF-2 200 2048×2048 1m 中国河北 2
2025 BCD 建筑物 DVCD arXiv2025 无人机影像 12,833 - 0.1m 中国广东 2
2025 SCD 土地覆盖 SC-SCD7, CC-SCD5 ISPRS P&RS 2025 Pléiades、北京-2、高分-1、高分-2、资源三号 1,722; 953 512×512 0.5m、2.3m、2.5 m 中国漳州（龙文）和河南（登封、洛阳、三门峡） 8; 5
2025 SCD 土地覆盖 LevirSCD arXiv2025 GF-1、Google Earth 3,225 256×256 1-2 中国北京 16
2025 BCD 土地覆盖 JL1-CD arXiv2025 吉林-1 5,000 512×512 0.5-0.75m 中国多个省份 2
2025 SCD 建筑物 EBD JRS2025 WorldView-3 >18,000 512×512 0.3-0.5m 全球 7
2025 SCD 土地利用 MLCD JSTARS2025 Google Earth Engine 10,000 256×256 0.5-2m 中国澳门
2024 BCD 矿山 MineNetCD TGRS2024 Google Earth 71,711 256×256 1.2m 全球 2
2024 BCD 建筑物 TUE-CD TGRS2024 WorldView-2 1,656 256×256 1.8m 土耳其 2
2024 SCD 城市 MSRS-CD JSTARS2024 - 841 1,024×1,024 0.5m 中国南方城市 5
2024 SCD 耕地 CropSCD TGRS2024 - 4,141 512×512 0.5-2m 中国广东 9
2024 SCD 耕地 Hi-CNA ISPRS P&RS 2024 GF-2 6,797 512×512 0.8m 中国（河北、山西、山东和湖北） 5
2024 SCD 土地覆盖 ChangNet ICASSP2024 WayBack 31,000 1,900×1,200 0.3m 中国100个城市 6
2023 SCD 耕地 JL1 - 吉林-1 8,000 256×256 <0.75m - 9
2023 BCD 建筑物 EGY-BCD GRSL2023 Google Earth 6,091 256×256 0.25m 埃及 2
2023 BCD 建筑物 HRCUS-CD TGRS2023 - 11,388 256×256 0.5m 中国珠海 2
2023 BCD 建筑物 SI-BU ISPRS P&RS 2023 Google Earth 4,932 512×512 0.2m 中国贵阳 2
2023 SCD 土地覆盖 CNAM-CD RS2023 Google Earth 2,503 512×512 0.5m 中国12个国家级新区 6
2023 SCD 土地覆盖 WUSU IJDE2023 GF-2 3 6,358×6,382 / 7,025×5,500 1m 中国武汉 12
2023 BCD 滑坡 GVLM ISPRS P&RS 2023 Google Earth 17 1,748×1,748-10,808×7,424 0.59m 全球 2
2023 SCD 建筑物 BANDON Sci. China Inf. Sci. 2023 Google Earth、Microsoft Virtual Earth和ArcGIS 2,283 2,048×2,048 0.6m 中国（北京、上海、武汉、深圳、香港和济南） 6
2023 SCD 土地覆盖 DynamicEarthNet CVPR2022 PlanetFusion 54,750 1,024×1,024 3m 全球 7
2022 BCD 道路 CRCD、WRCD TITS2022 航空影像、Google Earth 3,237, 1,960 512×512 0.2m、1.14m 新西兰基督城；中国武汉江夏区 2
2022 BCD 耕地 CLCD JSTARS2022 GF-2 600 512×512 0.5-2m 中国广东 2
2022 RSICC 建筑物 LEVIR-CC TGRS2022 Google Earth 10,077 1,024×1,024 0.5m 美国德克萨斯州 2
2022 BCD 土地覆盖 SYSU-CD TGRS2021 - 20,000 256×256 0.5m 中国香港 2
2022 SCD 建筑物 S2Looking RS2021 GF、SuperView、BJ-2 5,000 1,024×1,024 0.5-0.8m 全球 2
2022 BCD 建筑物 LEVIR-CD+ RS2021 Google Earth 985 1,024×1,024 0.5m 美国德克萨斯州 2
2022 SCD 土地覆盖 Landsat-SCD IJDE2022 Landsat 8,468 416×416 30m 中国新疆 10
2022 SCD 建筑物 NanjingDataset ISPRS P&RS 2022 Google Earth 2,519 256×256 0.3m 中国南京 3
2022 RSICC 城市 Dubai-CC TGRS2022 Landsat 7 500 50×50 30m 迪拜 6
2022 SCD 洪水 SpaceNet 8 CVPR2022W Maxar 12 1,300×1,300 0.3-0.8m 德国和路易斯安那州 4
2021 SCD 土地覆盖 MSD JSTARS2022 NAIP、Landsat-8和NLCD 2,250 - 1m、30m 美国马里兰 16
2021 SCD 土地覆盖 S2MTCP ICPR2021 Sentinel-2 1,520 600×600 10m 全球 -
2021 BCD 城市 HTCD RS2021 Google Earth、Open Aerial Map 3,772 256×256、2,048×2,048 0.5971m、0.07465m 摩尔多瓦基希讷乌 2
2020 BCD 建筑物 GZ-CD (或 CD_Data_GZ) TGRS2020 Google Earth 19 1,006×1,168-4,936×5,224 0.55m 中国广州 2
2020 BCD 建筑物 DSIFN (或 DSIFN-CD) ISPRS P&RS 2020 Google Earth 3,940 512×512 - 中国（北京、成都、深圳、重庆、武汉和西安） 2
2020 BCD 建筑物 LEVIR-CD RS2020 Google Earth 637 1,024×1,024 0.5m 美国德克萨斯州 2
2020 SCD 土地覆盖 Hi-UCD arXiv2020 航空影像 1,293 1,024×1,024 0.1m 爱沙尼亚塔林 9
2020 SCD 土地覆盖 SECOND TGRS2021 航空影像 4,662 512×512 - 中国（杭州、成都和上海） 6
2020 BCD 建筑物 MUDS (或 SpaceNet 7) CVPR2021 - - 1,024×1,024 4m 全球 2
2019 BDA 建筑物 xBD arXiv2019 Maxar 11,034 1,024×1,024 <0.8m 全球 4
2019 SCD 土地覆盖 HRSCD CVIU2019 IGN 291 10,000×10,000 0.5m 法国（雷恩和卡昂） 5
2018 BCD 建筑物 WHU-CD TGRS2018 航空影像 1 32,507×15,354 0.2m 新西兰基督城 2
2018 BCD 建筑物 CDD (或 SVCD) Int. Arch. Photogramm. Remote Sens. Spatial Inf. 2018 Google Earth 1,6000 256×256 0.03-1m - 2
2018 BCD 河道 The River Data Set TGRS2018 EO-1 Hyperion 1 463×241 30m 中国江苏 2
2018 BCD 土地覆盖 OSCD IGARSS2018 Sentinel-2 24 600×600 10-60m 全球 2
2008 BCD 土地覆盖 SZTAKI TGRS2009 航空影像 13 952x640 1.5m -

多模态与SAR数据集

年份 任务 目标 数据集 出版物 来源 图像对数 图像尺寸 分辨率 地点 类别
2025 DDA 灾害 DisasterM3 NeurIPS2025 光学-SAR-指令 - - - 全球 -
2025 SCD 建筑物 BRIGHT arXiv2025 光学与SAR 4,538 1,024×1,024 0.3-1m 全球 4
2024 SCD 建筑物 Hi-BCD Information Fusion 2023 航拍图像、DSMs 1,500 1,000×1,000 0.25m 荷兰（阿姆斯特丹、鹿特丹和乌得勒支） 3
2024 SCD 洪水 UrbanSARFloods CVPR2024W Sentinel-1 8,879 512×512 20m 全球 5
2024 SCD 土地利用 EVLab-CMCD ISPSR P&RS 2024 GF-2, BJ-2, 历史土地利用图 5,622 512×512 0.8m 中国10个城市 13
2023 BCD 洪水 CAU-Flood JAG2023 Sentinel-1, Sentinel-2 18,302 256×256 10m 全球 2
2023 SCD 洪水 Kuro Siwo NeurIPS2024 Sentinel-1, DEM 67,490 224×224 10m 全球 3
2023 SCD 城市 SMARS ISPRS P&RS 2023 模拟正射影像和DSMs - 512×512 0.3m, 0.5m 模拟巴黎和威尼斯 3
2023 BCD 城市 3DCD ISPRS P&RS 2023 航拍图像、DSMs 472 400×400, 200×200 0.5m, 1m 西班牙巴利亚多利德 2
2023 SCD 城市 Urb3DCD–V2 ISPRS P&RS 2023 ALS、多传感器 - - - 模拟 7
2022 BCD 洪水 武汉 JAG2022 Sentinel-2, COSMO-SkyMed 1 11,216×13,693 3m 武汉，中国 2
2022 BCD 洪水 Ombria JSTARS2022 Sentinel-1, Sentinel-2 1,688 256×256 10m 全球 2
2021 BCD 土地覆盖 MultiModalOSCD ISPRS. XXIV ISPRS Congress 2021 Sentinel-1, Sentinel-2 24 600×600 10-60m 全球 2

工具

年份 缩写 描述 其他
2024 rschange 一个开源工具箱，专门用于复现和开发遥感图像变化检测的先进方法（如DDLNet、CDMask）。 最近提交GitHub星标
2024 torchange 一个基准库，提供开箱即用、直观的当代时空变化检测模型（如ChangeStar、Changen、AnyChange）、指标和数据集的实现，以促进遥感研究的可重复性。 最近提交GitHub星标
2022 Open-CD 最全面的变化检测开源工具箱，提供统一平台，包含多种方法、训练/推理工具、数据分析脚本和基准测试，以支持该领域的研究与开发。论文：arXiv2024。 最近提交GitHub星标
2022 PaddleRS 基于PaddlePaddle的遥感工具包，支持包括变化检测在内的多项任务，提供专用模型（如BIT、FarSeg）、大图像处理能力以及分析时间序列土地覆盖差异的实用教程。其PyTorch版本称为CDLab。 最近提交GitHub星标
2020 Change Detection Repository 它提供了精选传统变化检测方法（如CVA、SFA、MAD）和基于深度学习的方法（如SiamCRNN、DSFA以及基于FCN的方法）的Python实现。 最近提交GitHub星标
2019 ChangeDetectionToolbox 这个MATLAB工具箱提供了一个模块化、端到端的遥感变化检测框架，实现了关键方法，如CVA、MAD和IRMAD，以生成差异图像并评估变化地图。 最近提交GitHub星标

方法

深度学习

基础模型

年份 缩写 标题 发表期刊/会议 基础模型 关键词 实验数据集 备注
2025 DaCDF 一种基于相对深度信息辅助的变化检测框架 JAG2025 Depth Anything Depth-Anything; 多任务学习 WHU-CD, LEVIR-CD, SECOND -
2025 GeoVLM-R1 GeoVLM-R1：用于提升遥感推理能力的强化微调方法 arXiv2025 Qwen2.5VL-3B-Instruct 任务感知奖励、基于推理的强化学习模型 GeoChat-Instruct, NWPU VHR-10; Dubai-CC, LEVIR-MCI, MUDS, SYSU-CD; NWPU-Captions, RSCID-Captions, RSITMD-Captions 最近提交GitHub星标
2025 ChangeVG 迈向遥感领域全面交互式变化理解：大规模数据集与双粒度增强的视觉语言模型 arXiv2025 Qwen2.5-VL-7B 遥感变化理解、交互式多任务指令数据集、视觉语言模型 ChangeIMTI（由LEVIR-CC、LEVIR-MCI构建） -
2025 SegChange-R1 SegChange-R1：大语言模型增强的遥感变化检测方法 arXiv2025 Swin Transformer, Microsoft/Phi-1.5 大语言模型增强的推理方法、基于线性注意力的空间变换模块 WHU-CD, CDD, DSIFN-CD, DVCD 最近提交GitHub星标
2025 SAM2-CD SAM2-CD：基于SAM2的遥感图像变化检测方法 JSTAR2025 SAM2 动态特征选择、全局-局部注意力 WHU-CD, LEVIR-CD, 以及LEVIR-CD+ 最近提交GitHub星标
2025 ViTP 面向特定领域的基础模型的视觉指令预训练方法 arXiv2025 ViT, InternVL-2.5 利用推理增强感知、ViT、视觉鲁棒性学习 16个具有挑战性的遥感和医学影像基准测试集 最近提交GitHub星标
2025 AdaptVFMs-RSCD AdaptVFMs-RSCD：利用SAM和CLIP将遥感变化检测从二值化推进到语义化 ISPRS P&RS 2025 CLIP, SAM 遥感视觉基础模型微调数据集 遥感VFM微调数据集、DSIFN-CD、CLCD、SYSU-CD 最近提交GitHub星标
2025 PeftCD PeftCD：利用参数高效微调技术提升视觉基础模型在遥感变化检测中的性能 arXiv2025 SAM2, DINOv3 视觉基础模型、参数高效微调 WHU-CD, CDD, LEVIR-CD, SYSU-CD, MSRSCD, MLCD, S2Looking 最近提交GitHub星标
2025 DepthCD 平衡扩散引导的多模态遥感分类融合方法 ISPRS P&RS 2025 ViT 深度提示、变化的维度相关性、轻量级适配器、二值化变化检测、语义化变化检测 SECOND, LandsatSCD, HiUCDs; SYSU-CD, HRCUS-CD, WRCD -
2025 SA-CDNet 像人类一样检测变化：结合语义先验提升变化检测性能 TGRS2025 FastSAM 双流解码器、多尺度特征、视觉基础模型 AIRS、INRIA-Building和WHU-Building；DLCCC和LoveDA；WHU-CD、LEVIR-CD、LEVIR-CD+、S2Looking、WHU耕地数据集 最近提交GitHub星标
2025 DynamicEarth DynamicEarth：我们距离开放词汇变化检测还有多远？ arXiv2025 SAM2, DINOv2 开放词汇变化检测 WHU-CD, LEVIR-CD, SECOND, S2Looking, 和 BANDON 最近提交GitHub星标
2025 DisasterM3 DisasterM3：用于灾害损毁评估与响应的遥感视觉语言数据集 NeurIPS2025 LLaVA, Kimi, InternVL, Qwen2.5, GeoCha, TeoChat, EarthDial, GPT4 多灾种、多传感器、多任务 DisasterM3 最近提交GitHub星标
2025 EFI-SAM 基于SAM的遥感变化检测高效特征集成网络：以澳门填海为例 JSTARS2025 SAM 随机傅里叶特征、填海工程 CLCD、SYSU-CD、S2Looking、MLCD 最近提交GitHub星标
2024 AnyChange 分割任意变化 NeurIPS2024 SAM 零样本变化检测、双时相潜在匹配 xBD, LEVIR-CD, S2Looking, SECOND 最近提交GitHub星标
2024 SCM 无监督遥感高分辨率图像变化检测的分割变化模型（SCM）：以建筑物为例 IGARSS 2024 SAM, CLIP 无监督变化检测、视觉基础模型 WHU-CD, LEVIR-CD 最近提交GitHub星标
2024 SemiCD-VL SemiCD-VL：视觉语言模型指导下的半监督变化检测器更优 TGRS2024 APE 视觉语言模型、半监督学习、基础模型 WHU-CD, LEVIR-CD 最近提交GitHub星标
2024 ChangeCLIP ChangeCLIP：基于多模态视觉语言表征学习的遥感变化检测方法 ISPRS P&RS 2024 CLIP 多模态、视觉语言表征学习 WHU-CD, CDD, LEVIR-CD, LEVIR-CD+，以及SYSU-CD 最近提交GitHub星标
2023 BAN 基于基础模型的遥感变化检测新学习范式 TGRS2024 CLIP 基础模型、视觉调优 WHU-CD, LEVIR-CD, S2Looking, Landsat-SCD, 以及 BANDON 最近提交GitHub星标
2023 SAM-CD 将Segment Anything Model应用于遥感高分辨率图像的变化检测 TGRS2024 SAM 视觉基础模型 WHU-CD, LEVIR-CD, CLCD, S2Looking 最近提交GitHub星标

扩散模型与GAN

年份 缩写 标题 发表刊物 关键词 实验数据集 其他
2025 CT2Net 基于循环翻译的协同训练用于高光谱-RGB多模态变化检测 TPAMI2025 CycleGAN, 高光谱-RGB图像, 多模态变化检测, 图像翻译, 协同训练 湾区（HSI-RGB）、圣巴巴拉（HSI-RGB）、赫米斯顿（HSI-RGB）、XDU-李峪口（HSI-RGB） 最近提交GitHub星标
2025 NeDS 用于可迁移建筑物损伤评估的神经灾害模拟 RSE2025 合成数据微调, 深度生成模型, 条件潜扩散模型 xBD、洛杉矶野火（2025年）和尼日利亚洪水（2025年） 最近提交GitHub星标
2025 BDGF 用于多模态遥感分类的平衡扩散引导融合 arXiv2025 去噪扩散概率模型, 自适应模态掩码策略, 互学习策略 柏林数据集（HSI+SAR）、奥格斯堡数据集（HSI+SAR）、黄河口数据集（HSI+SAR）、LCZ HK数据集（MSI+SAR） 最近提交GitHub星标
2025 RS-NormGAN RS-NormGAN：通过有效辐射归一化提升多时相光学遥感图像的变化检测 ISPRS P&RS 2025 深度风格迁移；领域适应；GAN；多时相辐射归一化 GESD、SHCD 最近提交GitHub星标
2024 UP-Diff UP-Diff：用于遥感城市预测的潜扩散模型 GRSL2024 交叉注意力, 潜扩散模型, 城市规划 LEVIR-CD、SYSU-CD 最近提交GitHub星标
2024 ChangeDiff ChangeDiff：基于扩散模型的灵活文本提示多时相变化检测数据生成器 AAAI2025 扩散模型, 文本到布局模型, 多类别分布引导的文本提示 SECOND、Landsat-SCD和HRSCD 最近提交GitHub星标
2024 Changen2 Changen2：多时相遥感生成式变化基础模型 TPAMI2024 合成数据预训练, 生成模型, 基础模型 WHU-CD、xBD、LEVIR-CD、S2Looking、SECOND 最近提交GitHub星标
2023 Changen 通过模拟随机变化过程实现可扩展的多时相遥感变化数据生成 ICCV2023 深度生成模型, 变化事件模拟, 语义变化合成 WHU-CD、LEVIR-CD、S2Looking 最近提交GitHub星标
2022 DDPM-CD DDPM-CD：作为特征提取器的去噪扩散概率模型用于遥感变化检测 WACV2025 图像合成, 去噪扩散概率模型 WHU-CD、CDD、DSIFN-CD和LEVIR-CD 最近提交GitHub星标

变压器

年份 缩写 标题 发表刊物 关键词 实验数据集 其他
2025 BTC 成为你希望看到的改变：重新审视遥感变化检测实践 TGRS2025 变化检测、方法优化、遥感、监督学习 SYSU-CD、LEVIR-CD、EGY-BCD、GVLM-CD、CLCD、OSCD 最近提交GitHub星标
2025 CMNet CMNet：一种具有相似性导向和差异感知的CNN–Mamba网络用于变化检测 TGRS2025 差异感知、相似性导向、CNN–Mamba DSIFN-CD、LEVIR-CD、SYSU-CD 最近提交GitHub星标
2025 MBUKG_DCKRL_CD 一种基于多模态数据和知识图谱技术的城市变化检测方法 IJDE2025 城市变化检测、多模态知识图谱、多源数据表示学习、双交叉注意力机制 包含VHR影像、POI数据和SVI的综合数据集 -
2025 S-cCDNet 以语义为中心的变化检测框架：考虑土地覆盖的时空异质性和时空相关性 IJDE2025 多任务学习、原型表示、时空异质性、时空相关性 SECOND、Landsat-SCD 最近提交GitHub星标
2025 CPGNet 通过整合语义关联和变化先验，从VHR遥感图像中检测语义变化 JAG2025 语义关联；多视角；变化先验引导网络 JL1；厦门（XM）耕地非农化数据集；SECOND 最近提交GitHub星标
2025 FoBa FoBa：一种前景-背景协同引导的方法及遥感语义变化检测的新基准 arXiv2025 前景背景协同引导、双时相交互、mamba、新基准 SECOND、JL1以及提出的LevirSCD 最近提交GitHub星标
2025 GSTM-SCD GSTM-SCD：用于多时相遥感图像语义变化检测的图增强时空状态空间模型 ISPRS P&RS 2025 状态空间模型、图优化、时空建模 SECOND、Landsat-SCD、WUSU和DynamicEarthNet 最近提交GitHub星标
2025 Change3D Change3D：从视频建模视角重新审视变化检测与字幕生成 CVPR2025 感知特征提取、变化解码器、字幕解码器 WHU-CD、HRSCD、xBD、LEVIR-CD、CLCD、SECOND、LEVIR-CC和DUBAI-CC 最近提交GitHub星标
2025 UA-BCD 克服从遥感图像中检测建筑物变化的不确定性挑战 ISPRS P&RS 2025 不确定性相关理论、建筑物变化检测映射、暹罗金字塔视觉变换器 CDD、WHU-CD、GZ-CD、LEVIR-CD、SYSU-CD 最近提交 GitHub星标
2025 SMGNet SMGNet：一种语义地图引导的多任务神经网络，用于遥感图像语义变化检测 GRSL2025 历史语义信息、伪变化、语义地图引导网络、漏检 HRSCD 最近提交GitHub星标
2024 HGINet 利用层次化语义图交互网络从高分辨率遥感图像中进行语义变化检测 ISPRS P&RS 2024 层次化语义图交互网络；时间相关性；语义差异交互 SECOND、HRSCD、福州和厦门 最近提交GitHub星标
2024 STCA 通过无监督单时相变化适应实现可迁移的建筑损伤评估 RSE2024 无监督适应、单时相学习、语义变化检测 xBD、土耳其–叙利亚地震（2023年）、刚果民主共和国卡莱赫洪灾（2023年）、夏威夷茂宜岛火灾（2023年） -
2024 ChangeSparse 通过深度概率变化模型统一遥感变化检测：从原理、模型到应用 ISPRS P&RS 2024 概率变化模型、变化稀疏性、稀疏变化Transformer CDD、S2Looking、加州洪水数据集、xBD、SECOND、DynamicEarthNet 最近提交GitHub星标
2024 ChangeStar2 单时相监督学习用于通用遥感变化检测 IJCV2024 通用变化检测、单时相监督学习 WHU-CD、CDD、xBD、LEVIR-CD、S2Looking、SpaceNet8、DynamicEarthNet、SECOND 最近提交GitHub星标
2024 BiFA BiFA：具有双时相特征对齐的遥感图像变化检测 TGRS2024 双时相交互、特征对齐、流场 WHU-CD、LEVIR-CD、LEVIR-CD+、SYSU-CD、DSIFN-CD和CLCD 最近提交GitHub星标
2024 CDMamba CDMamba：将局部线索融入Mamba用于遥感图像二值变化检测 TGRS2025 Mamba、双时相交互、状态空间模型 WHU-CD、CDD、LEVIR-CD、LEVIR-CD+和CLCD 最近提交GitHub星标
2024 CDMask 以掩膜视角重新思考遥感变化检测 arXiv2024 掩膜视角、掩膜级别分类、MaskFormer WHU-CD、LEVIR-CD、SYSU-CD、DSIFN-CD和CLCD 最近提交GitHub星标
2024 ChangeMamba ChangeMamba：具有时空状态空间模型的遥感变化检测 TGRS2024 Mamba、时空关系、状态空间模型 WHU-CD、xBD、SECOND、LEVIR-CD+和SYSU-CD 最近提交GitHub星标
2024 MaskCD MaskCD：一种基于掩膜分类的遥感变化检测网络 TGRS2024 可变形注意力、掩膜分类、掩膜交叉注意力 LEVIR-CD、CLCD、SYSU-CD、EGY-BCD和GVLM-CD 最近提交GitHub星标
2024 M-CD 一种基于Mamba的暹罗网络用于遥感变化检测 arXiv2024 Mamba、状态空间模型、差异模块 WHU-CD、CDD、DSIFN-CD和LEVIR-CD 最近提交GitHub星标
2024 ScratchFormer 从头训练的Transformer用于遥感变化检测 TGRS2024 从头训练、打乱的稀疏注意力操作、变化增强特征融合、 WHU-CD、OSCD、CDD、DSIFN-CD和LEVIR-CD 最近提交GitHub星标
2024 SitsSCD 卫星影像时间序列语义变化检测：新颖架构及领域偏移分析 arXiv2024 时间注意力、时间偏移、空间偏移 DynamicEarthNet、MUDS 最近提交GitHub星标
2023 3DCD 从双时相光学图像推断3D变化检测 ISPRS P&RS 2023 3D变化检测、高程变化检测 3DCD 最近提交GitHub星标
2023 Siamese KPConv Siamese KPConv：使用深度学习从原始点云中进行多对象变化检测 ISPRS P&RS 2023 3D变化检测、暹罗网络、3D Kernel Point Convolution Urb3DCD–V2、AHN-CD、Change3D 最近提交GitHub星标
2023 MapFormer MapFormer：利用变化前信息提升变化检测 ICCV2023 条件变化检测、多模态特征融合、跨模态对比损失 HRSCD、DynamicEarthNet 最近提交GitHub星标
2023 CACo 面向卫星图像的变化感知采样和对比学习 CVPR2023 自监督学习、变化感知对比损失 OSCD、DynamicEarthNet、EuroSat和BigEarthNet 最近提交GitHub星标
2023 Self-Pair Self-Pair：从单一来源合成变化，用于遥感影像中的目标变化检测 WACV2023 合成数据、单时相监督、未变化区域的视觉相似性 WHU-CD、SpaceNet2、xBD、LEVIR-CD 最近提交GitHub星标
2022 Changer Changer：特征交互是变化检测所需的关键 TGRS2023 脚本交互 LEVIR-CD、S2Looking 最近提交GitHub星标
2022 ChangeMask ChangeMask：用于语义变化检测的深层多任务编码器-Transformer-解码器架构 ISPRS P&RS 2022 多任务学习、时间对称性、多时相 SECOND、Hi-UCD 最近提交GitHub星标
2022 FHD 用于遥感图像变化检测的特征层次差异化 GRSL2022 层次差异化、特定时间特征 DSIFN、LEVIR-CD、LEVIR-CD+、S2Looking 最近提交GitHub星标
2022 SST-Former 用于高光谱图像变化检测的光谱–空间–时间Transformer TGRS2022 高光谱、交叉注意力、自注意力 农田CD数据集、芭芭拉CD数据集和湾区CD数据集 最近提交GitHub星标
2022 CDViT 一种用于遥感变化检测的分割式时空上下文网络 JSTARS2022 自注意力、时空Transformer WHU-CD、LEVIR-CD 最近提交GitHub星标
2022 ChangeFormer 一种基于Transformer的暹罗网络用于变化检测 IGARSS2022 Transformer暹罗网络、注意力机制 DSIFN-CD和LEVIR-CD 最近提交GitHub星标
2021 BIT 使用Transformer进行遥感图像变化检测 TGRS2021 Transformer WHU-CD、DSIFN-CD、LEVIR-CD 最近提交GitHub星标

卷积神经网络

年份 缩写 标题 发表刊物 关键词 实验数据集 其他
2025 RACDNet 基于空频双域学习的任意分辨率遥感变化检测 ISPRS P&RS 2025 任意分辨率变化检测；梯度先验；双域学习 WHU-CD、LEVIR-CD、SYSU-CD及Google数据集 最近提交GitHub星标
2025 RIEM 无需图像对比的变化检测：异构遥感影像中的规则诱导变化检测 ISPRS P&RS 2025 异构数据、多模态、基于能量的模型 多源数据 最近提交GitHub星标
2025 Semantic-TemporalNet 语义-时序网络：一种基于语义一致性分析的城市街区变化检测新方法 TGRS2025 哨兵-2、时间序列语义一致性、城市更新 长沙和武汉的哨兵-2影像 最近提交GitHub星标
2025 TripleS TripleS：缓解高分辨率遥感影像中语义变化检测的多任务学习冲突 ISPRS P&RS 2025 多任务学习、土地覆盖与土地利用 HRSCD、SC-SCD7、CC-SCD5 最近提交GitHub星标
2025 CDFNet 跨场景受损建筑物提取网络：基于单时相高分辨率遥感影像的方法、应用与效率 ISPRS P&RS2025 建筑物损毁提取、跨场景、单时相、特征分解 云南和哈维灾后受损建筑物数据集，一个辅助数据集（两个地震多发区、一个洪水多发区、四个非灾区），一个应用测试数据集（八个涵盖火山、地震、海啸、野火和飓风场景的异质区域） -
2025 PRO-HRSCD 从语义对齐视角重新思考语义变化检测 TGRS2025 特征空间对齐、多任务学习、原型学习 SECOND和Landsat-SCD 最近提交GitHub星标
2025 H-FIENet 利用多源卫星影像进行洪涝淹没监测：一种用于异构影像变化检测的知识迁移策略 RSE2024 洪涝制图、多源影像、跨任务转换 高分二号、高分三号、哨兵-1和哨兵-2 -
2024 STMNet STMNet：基于单时相掩膜的自监督高光谱变化检测网络 TGRS2024 高光谱影像、多尺度特征、单时相、掩膜 农田数据集、赫米斯顿数据集、贝伊数据集 最近提交GitHub星标
2024 ClearSCD ClearSCD模型：全面利用语义与变化关系进行高空间分辨率遥感影像的语义变化检测 ISPRS P&RS 2024 多任务学习、对比学习、变化矢量分析 Hi-UCD、LsSCD 最近提交GitHub星标
2024 SSLChange SSLChange：基于领域适应的自监督变化检测框架 TGRS2024 领域适应、层次化特征、图像对比学习 CDD、LEVIR-CD 最近提交GitHub星标
2024 U-Net、U-Net SiamDiff和U-Net SiamConc 变化检测现实检验 ICLR2024W 现实检验、基准测试 WHU-CD、LEVIR-CD 最近提交GitHub星标
2024 CCNet 和谐共生：超高分辨率遥感影像的内容净化变化检测框架 ISPRS P&RS 2024 特征解耦、内容净化、图像修复 CDD、LEVIR-CD、xBD、SECOND、SYSU-CD、多时相xBD -
2023 I3PE 交换即变化：基于图像内和图像间补丁交换的无监督单时相变化检测框架 ISPRS P&RS 2023 单时相变化检测、图像补丁交换、自适应聚类 SYSU-CD、SECOND、武汉数据集 最近提交GitHub星标
2023 A2Net 基于渐进式特征聚合与监督注意力的轻量化遥感变化检测 TGRS2023 轻量化、渐进式特征聚合、监督注意力 WHU-CD、LEVIR-CD和SYSU-CD 最近提交GitHub星标
2023 DMINet 基于双分支多级时序网络的遥感影像变化检测 TGRS2023 双分支差异获取、时序联合注意力、多级聚合 WHU-CD、GZ-CD、LEVIR-CD和SYSU-CD 最近提交GitHub星标
2023 AFCF3D-Net 基于3D CNN的相邻层级特征交叉融合用于遥感影像变化检测 TGRS2023 3D CNN、特征交叉融合、全尺度连接 WHU-CD、LEVIR-CD、SYSU-CD 最近提交GitHub星标
2023 LightCDNet LightCDNet：基于VHR影像的轻量化变化检测网络 GRSL2023 早期融合、轻量化、深度监督融合 LEVIR-CD 最近提交GitHub星标
2023 USSFC-Net 超轻量级时空特征协作网络用于遥感影像变化检测 TGRS2023 超轻量级、多尺度特征提取、时空特征协作 CDD、DSIFN-CD、LEVIR-CD 最近提交GitHub星标
2023 SAR-CD 利用深度学习改进SAR影像中变化检测分类器的差分图像 TGRS2023 映射变换函数、SAR、U-Net SCDD 最近提交GitHub星标
2022 RDPNet RDP-Net：用于变化检测的区域细节保持网络 TGRS2022 训练策略、边缘损失、轻量化骨干 CDD、LEVIR-CD 最近提交GitHub星标
2022 FFCTL 一种全层次融合的跨任务迁移学习方法，用于基于众包标签的噪声鲁棒预训练网络进行建筑物变化检测 RSE2022 迁移学习、众包标签、伪标签 ZY-3建筑与变化检测数据集 最近提交GitHub星标
2022 SaDL_CD 语义感知的密集表示学习用于遥感影像变化检测 TGRS2022 自监督学习、语义感知表示学习 WHU-CD、GZ-CD、LEVIR-CD 最近提交GitHub星标
2022 TinyCD TINYCD：一个（并不那么）深度的学习模型用于变化检测 Neural Comput & Applic 2022 轻量化、小型模型、暹罗U-Net架构、特征交互 WHU-CD、LEVIR-CD 最近提交GitHub星标
2022 SDACD 一个端到端的监督领域适应框架用于跨领域变化检测 PR2022 监督领域适应、图像适应、特征适应 CDD和WHU-CD 最近提交GitHub星标
2022 Bi-SRNet 高分辨率遥感影像中语义变化检测的双时相语义推理 TGRS2022 三分支、语义关联 SECOND 最近提交GitHub星标
2022 SemiCD 重访半监督遥感影像变化检测中的一致性正则化 arXiv2022 半监督、一致性正则化 WHU-CD、LEVIR-CD 最近提交GitHub星标
2022 FCCDN FCCDN：用于VHR影像变化检测的特征约束网络 ISPRS P&RS 2022 自监督学习、非局部特征金字塔网络、双编码器-解码器骨干 WHU-CD、LEVIR-CD、SECOND 最近提交GitHub星标
2021 ChangeStar 变化无处不在：遥感影像中的单时相监督目标变化检测 ICCV2021 单时相监督、时间对称性 xBD、SpaceNet2、WHU-CD、LEVIR-CD 最近提交GitHub星标
2021 ChangeOS 基于深度对象导向语义变化检测框架的快速灾害响应建筑损毁评估：从自然灾害到人为灾害 RSE2021 语义变化检测、灾害响应、OBIA xBD、2020年贝鲁特港口爆炸、2021年巴塔军营爆炸 最近提交GitHub星标
2021 Optical-SAR-CD 自监督多传感器变化检测 TGRS2021 自监督、多传感器 OSCD（哨兵-2和哨兵-1） -
2021 CEECNet 寻找变化？掷骰子并吸引注意力 RS2021 骰子相似度、注意力模块 WHU-CD、LEVIR-CD 最近提交GitHub星标
2021 ESCNet ESCNet：一个端到端的超像素增强型变化检测网络，适用于超高分辨率遥感影像 TNNLS2021 超像素分割、超像素自适应合并 SZTAKI、CDD 最近提交GitHub星标
2021 SeCo 季节对比：来自未加工遥感数据的无监督预训练 ICCV2021 自监督学习 BigEarthNet、EuroSAT、OSCD 最近提交GitHub星标
2021 SRCDNet 基于超分辨率的带堆叠注意力模块的变化检测网络，适用于不同分辨率的影像 TGRS2021 超分辨率、度量学习 BCDD、CDD、GZ-CD 最近提交GitHub星标
2021 IAug-CDNet 针对遥感影像中建筑物变化检测的对抗性实例增强 TGRS2021 对抗性实例增强、合成数据 WHU-CD、LEVIR-CD 最近提交GitHub星标
2021 SNUNet-CD SNUNet-CD：一种用于VHR影像变化检测的密集连接暹罗网络 GRSL2021 全卷积暹罗网络 CDD 最近提交GitHub星标
2021 DDNet 使用双域网络进行合成孔径雷达影像的变化检测 GRSL2021 SAR、频域 渥太华数据集、苏尔茨伯格数据集、黄河数据集 最近提交GitHub星标
2021 ACDA 基于自编码器的高光谱异常变化检测 JSTARS2021 高光谱、异常变化检测、自编码器 维亚雷焦2013年事件 最近提交GitHub星标
2018 FC-EF、FC-Siam-diff、FC-Siam-conc 用于变化检测的全卷积暹罗网络 ICIP2018 全卷积暹罗网络 SZTAKI、OSCD 最近提交GitHub星标

传统方法

年份 缩写 标题 出版物 关键词 实验数据集
2025 PWTT 基于哨兵-1号影像的像素级T检验的开放获取战损检测 RSE2025 概率性变化检测；建筑物损毁评估；武装冲突 UNOSAT损毁标注数据集
2021 SiROC 面向光学卫星影像无监督变化检测的空间上下文感知 TGRS2021 多时相、光学影像、无监督、城市分析 OSCD、贝鲁特港口爆炸数据集、农业数据集、阿尔卑斯山数据集
2015 CCDC 基于所有可用的Landsat数据生成合成Landsat影像：预测任意时刻的Landsat地表反射率 RSE2015 合成、Landsat、地表反射率、时间序列模型 美国本土不同地点的六景Landsat影像
2013 SFA 用于多光谱影像变化检测的慢特征分析 TGRS2013 图像变换、慢特征分析 台州ETM数据集、昆山ETM数据
2010 CVAPS 后验概率空间中的变化矢量分析：一种新的土地覆盖变化检测方法 GRSL2010 CVA、土地覆盖变化、分类后比较（PCC）、后验概率空间 中国北京顺义区的多时相Landsat专题制图仪（TM）数据
2009 PCA-Kmeans 利用主成分分析和k均值聚类进行卫星影像无监督变化检测 GRSL2009 k均值聚类、多时相卫星影像、光学影像、主成分分析（PCA） 内华达州里诺市太浩湖的光学影像
2007 IR-MAD 正则化迭代加权多元变化检测 TIP2007 典型相关分析（CCA）、迭代加权多元变化检测（IR-MAD）、MAD变换、正则化或惩罚 部分构建的瑞典北部Landsat TM数据；肯尼亚基安布县的SPOT HRV数据；德国瓦金-塔欣格湖的Hymap数据
2003 ICVA 利用改进的变化矢量分析进行土地利用/土地覆盖变化检测 PERS2003 改进的CVA、双窗口灵活步长搜索（DFPS）、最小距离分类技术 中国北京海淀区的多时相Landsat TM影像
1998 MAD 在多光谱、双时相影像数据中进行多元变化检测（MAD）及MAF后处理：变化检测研究的新方法 RSE1998 多元变化检测（MAD）、最大自相关因子（MAF）、典型相关分析（CCA） 澳大利亚昆士兰州的两景Landsat MSS影像；加州海流系统厄尔尼诺阶段的两景AVHRR影像
1980 CVA 变化矢量分析：一种利用Landsat检测森林变化的方法 LARS研讨会1980年 变化矢量分析、森林变化检测、Landsat多光谱数据、空间光谱聚类、帽状变换 覆盖爱达荷州克利尔沃特国家森林帕卢斯地区的三个木材采伐区的Landsat数据

综述论文

年份 标题 发表刊物 描述
2025 遥感智能变化检测的深度学习方法：演变与发展趋势 测绘学报2025 本文系统综述了深度学习在遥感变化检测中的研究进展，围绕变化特征表达和网络学习策略两大核心问题，梳理了从局部到时空联合、单一到多模态、轻量到大模型、二值到多类别特征表达的发展趋势，以及从全监督向弱/半监督和无监督学习的演进路径，并指出图文融合、生成式模型和人机协同是未来提升智能化水平的关键方向。
2025 深度学习遥感变化检测研究进展：像素-对象-场景 遥感技术与应用2025 本文从像素级、对象级和场景级三个层次系统总结深度学习在遥感变化检测中的研究进展，结合典型案例分析其实际应用，并展望其未来发展趋势。
2025 图论在卫星影像时间序列中的应用 arXiv2025 探讨了基于图论的技术在卫星影像时间序列的时空分析中的集成应用，重点介绍了时空图的构建及其在土地覆盖制图、水资源预测等任务中的应用，并展望了未来的研究方向。
2025 遥感变化检测中样本高效深度学习方法综述：任务、策略与挑战 GRSM2025 总结了在样本有限情况下，针对不同任务和策略的深度学习变化检测方法的相关文献，讨论了近年来为解决数据稀缺问题而在图像生成、自监督学习和视觉基础模型方面取得的进展。
2025 光学遥感影像的变化检测深度学习技术：现状、展望与挑战 JAG2025 系统地总结了光学遥感影像变化检测的数据集、理论和方法，从算法粒度的角度分析了基于人工智能的算法，并讨论了人工智能时代下的挑战与趋势。相关更新可在daifeng2016/Awesome-Optical-Remote-Sensing-Datasets-and-Methods中找到。
2024 基于多模态遥感影像融合的深度学习变化检测综述 RS2024 探讨了利用多源异质数据（包括多光谱、高光谱、雷达及多时相影像）进行遥感影像变化检测的深度学习方法，并讨论了公开数据集、模型、面临的挑战以及未来的发展趋势。
2024 卫星影像时间序列分析中的深度学习：综述 GRSM2024 总结了利用深度学习对卫星影像时间序列（SITS）数据进行建模以分析环境和农业变量的最新方法，着重探讨了SITS数据的复杂性及其在土地和自然资源管理中的应用。
2024 基于深度学习的遥感影像变化检测进展与挑战：多种学习范式视角下的综述 RS2024 全面审视了基于深度学习的遥感变化检测技术，涵盖了关键架构、学习范式（监督、半监督、弱监督和无监督）、基准数据集，以及自监督学习、基础模型和多模态数据融合等新兴机遇；同时指出了当前的挑战和推动该领域发展的潜在研究方向。
2024 近十年来遥感变化检测方法综述 RS2024 对过去十年中基于深度学习的遥感变化检测进行了全面调查，从算法粒度、监督模式和框架等多个角度提供了系统的分类体系，并回顾了关键数据集、评估指标、最新性能表现，同时识别出具有前景的未来研究方向，以指导和激励相关领域的研究者。
2023 深度学习遥感变化检测综述：文献计量与分析 遥感学报2023 本文综述了基于深度学习的遥感变化检测研究进展，从像素、对象和场景三个粒度系统梳理方法体系，指出对象与场景级方法更具优势，并强调未来需突破多模态异质数据融合、非理想样本处理及多元变化信息提取等挑战，以推动其在多领域更广泛、智能化的应用。
2023 人工智能时代的遥感变化检测技术：继承、发展与挑战 遥感学报2023 本文系统梳理了人工智能时代下光学遥感影像变化检测技术从传统方法向数据—模型—知识联合驱动的智能化转型历程，分析了无监督、监督与弱监督三类方法的发展趋势，并指出未来需重点突破模型可解释性、泛化迁移能力及跨场景跨领域应用等关键瓶颈问题。相关讲解视频详见：【前沿进展】变化检测与深度学习。
2023 基于航空与地面点云的三维城市对象变化检测综述 JAG2023 回顾了利用点云数据进行城市对象三维变化检测的最新进展，分析了建筑物、街景、城市树木和建筑工地等情况，并讨论了数据来源、方法及未来面临的挑战。
2023 基于点云的城市对象变化检测综述 ISPRS P&RS 2023 提供了一份关于使用点云数据进行城市对象三维变化检测的全面综述，内容涵盖数据配准、方差估计、变化分析，以及在土地覆盖监测、植被调查和施工自动化中的应用。
2022 基于异构遥感影像的土地覆盖变化检测：综述、进展与展望 IEEE PROC 2022 全面概述了异构遥感影像变化检测（Hete-CD），总结了其文献、主要技术、数据集、性能评估、面临的挑战及未来发展方向，旨在为研究人员和从业者提供一站式参考。
2022 遥感变化检测中的深度学习：综述 GSIS2022 通过分析深度学习在信息表征、方法进步和跨光谱、空间、时间及多传感器维度上的性能提升，探讨了深度学习为何能增强遥感变化检测能力；同时指出了深度学习变化检测发展的关键局限性和未来方向。
2022 土地覆盖变化检测技术：极高分辨率光学影像 GRSM2022 回顾了利用极高分辨率遥感影像进行土地覆盖变化检测的技术，重点探讨了捕捉细节变化的能力，并讨论了各种方法和应用场景。
2022 基于深度学习的高分辨率遥感影像变化检测综述 RS2022 回顾了基于深度学习的高分辨率遥感影像变化检测方法，按网络架构对算法进行了分类，并讨论了数据集、评估指标、面临的挑战以及未来的研究方向。
2022 卫星遥感影像的多类别变化检测综述 GSIS2022 全面回顾了遥感领域的多类别变化检测（MCD），内容包括其背景、关键挑战、基准数据集、方法分类、实际应用及未来研究方向，旨在填补现有文献的空白，为推进超越传统二元检测的精细化土地变化分析提供基础性参考。
2021 极高空间分辨率光学遥感影像的变化检测：方法、应用及未来方向 GRSM2021 全面概述了极高空间分辨率（≤5 m）遥感影像中的变化检测，系统地考察了当前方法、实际应用和未来研究方向，以应对光谱信息有限、光谱变异性和几何畸变等挑战。
2020 多源多目标场景下基于遥感影像的变化检测方法综述 RS2020 调查了多源遥感影像和多目标场景下的变化检测方法，总结了一个包含变化信息提取、数据融合和分析的一般框架，并讨论了未来的发展方向。
2020 基于人工智能的变化检测：最新进展与挑战 RS2020 回顾了人工智能在变化检测中的最新方法、应用和挑战，内容涵盖数据来源、深度学习框架和无监督方案，并讨论了异构数据处理和人工智能可靠性等问题。相关更新可在MinZHANG-WHU/Change-Detection-Review中查看。
2019 多时相高光谱影像变化检测综述：当前技术、应用与挑战 GRSM2019 提供了一篇关于高光谱遥感影像变化检测的全面综述，内容包括基本概念、方法分类、当前技术以及关键挑战；同时通过实验结果展示了最先进的方法，以突出利用高光谱分辨率进行精细化土地覆盖变化监测的独特潜力和复杂性。
2018 多时相遥感影像变化检测方法综述 武汉大学学报 (信息科学版) 2018 本文系统回顾了多时相遥感影像变化检测技术的发展历程，从预处理、方法分类到精度评价全面梳理研究进展，指出当前尚无普适性通用方法，并分析核心难点与应对策略，旨在推动该领域向更深入、更系统方向发展。
2017 多时相遥感影像变化检测的现状与展望 测绘学报2017 本文围绕多时相遥感影像变化检测的基本流程，从预处理、方法、阈值分割到精度评价系统梳理最新研究进展，总结其在生态环境监测与城市发展等领域的应用，并展望高光谱与高分辨率影像驱动下的未来发展方向。
2017 利用Landsat时间序列进行变化检测：频率、预处理、算法和应用综述 ISPRS P&RS 2017 回顾了基于Landsat时间序列的变化检测研究，内容包括频率、预处理步骤、算法和应用，并讨论了Landsat数据免费开放对变化检测方法的影响。
2016 用于土地覆盖分类的光学遥感时间序列数据：综述 ISPRS P&RS 2016 回顾了利用光学遥感时间序列数据进行土地覆盖分类的情况，讨论了生成年度土地覆盖产品以及整合时间序列信息的方法所面临的问题和机遇。
2016 SAR影像变化检测研究进展 计算机研究与发展2015 本文系统梳理了SAR影像变化检测的经典流程与传统方法，重点综述近年来在差异图生成及阈值、聚类、图切、水平集等分析方法上的新兴算法改进，并通过两组数据集定量验证其性能，最后展望了该领域仍需深入研究的关键方向。
2015 遥感光学影像变化检测技术的批判性综合 RSE2015 提供了一篇关于遥感变化检测技术的批判性综合文章，按照分析单元和比较方法对文献进行整理，以减少概念重叠并指导未来研究。
2013 基于遥感影像的变化检测：从像素级到对象级方法 ISPRS P&RS 2013 回顾了从像素级到对象级的变化检测方法，讨论了随着超高分辨率影像出现，对象级方法和数据挖掘技术的潜力。
2012 基于对象的变化检测 IJRS2012 讨论了利用高空间分辨率影像进行的基于对象的变化检测（OBCD），将其与像素级方法进行比较，并回顾了用于提取详细变化信息的算法和应用。
2012 基于Landsat数据的大面积土地覆盖变化监测综述 RSE2012 回顾了利用Landsat数据进行大面积土地覆盖变化监测的方法，重点讨论了森林覆盖变化，并探讨了辐射校正、时间更新以及地形校正数据免费开放带来的影响。
2011 多时相遥感影像变化检测综述 [地理信息世界2011](https://d.wanfangdata.com.cn/periodical/Ch9QZXJpb2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2Rp...... 年份
:--- :--- :--- :---
2025 遥感智能变化检测的深度学习方法：演变与发展趋势 测绘学报2025 本文系统综述了深度学习在遥感变化检测中的研究进展，围绕变化特征表达和网络学习策略两大核心问题，梳理了从局部到时空联合、单一到多模态、轻量到大模型、二值到多类别特征表达的发展趋势，以及从全监督向弱/半监督和无监督学习的演进路径，并指出图文融合、生成式模型和人机协同是未来提升智能化水平的关键方向。
2025 深度学习遥感变化检测研究进展：像素-对象-场景 遥感技术与应用2025 本文从像素级、对象级和场景级三个层次系统总结深度学习在遥感变化检测中的研究进展，结合典型案例分析其实际应用，并展望其未来发展趋势。
2025 关于图在网络卫星影像时间序列中的应用 arXiv2025 探讨了将基于图的技术整合用于卫星影像时间序列的时空分析，重点介绍了时空图的构建及其在土地覆盖制图、水资源预测等任务中的应用，并展望了未来的研究方向。
2025 遥感变化检测中样本高效深度学习方法综述：任务、策略与挑战 GRSM2025 总结了在样本有限情况下，针对不同任务和策略的深度学习变化检测方法的相关文献，讨论了近年来为解决数据稀缺问题而在图像生成、自监督学习和视觉基础模型方面的最新进展。
2025 光学遥感影像的变化检测深度学习技术：现状、展望与挑战 JAG2025 系统地总结了光学遥感影像变化检测的数据集、理论和方法，从算法粒度的角度分析了基于人工智能的算法，并探讨了人工智能时代下的挑战与趋势。相关更新可在daifeng2016/Awesome-Optical-Remote-Sensing-Datasets-and-Methods中找到。
2024 基于多模态遥感影像融合的深度学习变化检测综述 RS2024 探讨了利用多源异质数据（如多光谱、高光谱、雷达及多时相影像）进行遥感影像变化检测的深度学习方法，并讨论了公开数据集、现有模型、面临的挑战及未来趋势。
2024 卫星影像时间序列分析中的深度学习：综述 GRSM2024 总结了利用深度学习对卫星影像时间序列（SITS）数据进行建模以监测环境和农业变量的最新方法，着重解决了SITS数据的复杂性及其在土地和自然资源管理中的应用问题。
2024 基于深度学习的遥感影像变化检测进展与挑战：多种学习范式视角下的综述 RS2024 全面审视了基于深度学习的遥感变化检测技术，涵盖了关键架构、学习范式（监督、半监督、弱监督和无监督）、基准数据集，以及自监督学习、基础模型和多模态数据融合等新兴机遇；同时指出了当前的挑战及推动该领域发展的潜在研究方向。
2024 近十年来遥感影像变化检测方法综述 RS2024 对过去十年中基于深度学习的遥感变化检测进行了全面调查，从算法粒度、监督模式和框架等多个角度构建了系统的分类体系，并回顾了关键数据集、评估指标、最新性能表现，同时识别出具有前景的未来研究方向，以指导和激励相关领域的研究者。
2023 深度学习的遥感变化检测综述：文献计量与分析 遥感学报2023 本文综述了基于深度学习的遥感变化检测研究进展，从像素、对象和场景三个粒度系统梳理方法体系，指出对象与场景级方法更具优势，并强调未来需突破多模态异质数据融合、非理想样本处理及多元变化信息提取等挑战，以推动其在多领域更广泛、智能化的应用。
2023 人工智能时代的遥感变化检测技术：继承、发展与挑战 遥感学报2023 本文系统梳理了人工智能时代下光学遥感影像变化检测技术从传统方法向数据—模型—知识联合驱动的智能化转型历程，分析了无监督、监督与弱监督三类方法的发展趋势，并指出未来需重点突破模型可解释性、泛化迁移能力及跨场景跨领域应用等关键瓶颈问题。相关讲解视频详见：【前沿进展】变化检测与深度学习。
2023 基于航空与地面点云的三维城市物体变化检测综述 JAG2023 回顾了利用点云数据进行城市物体三维变化检测的最新进展，分析了建筑物、街道景观、城市树木和建筑工地等情况，并讨论了数据来源、方法及未来挑战。
2023 基于点云的城市物体变化检测综述 ISPRS P&RS 2023 提供了一份关于使用点云数据进行城市物体三维变化检测的全面综述，内容涵盖数据配准、方差估计、变化分析，以及在土地覆盖监测、植被调查和施工自动化中的应用。
2022 基于异质遥感影像的土地覆盖变化检测：综述、进展与展望 IEEE PROC 2022 全面概述了异质遥感影像变化检测（Hete-CD），总结了其文献、主要技术、数据集、性能评估、面临的挑战及未来发展方向，旨在为研究人员和从业者提供一站式参考。
2022 遥感影像变化检测中的深度学习：综述 GSIS2022 通过分析深度学习在信息表征、方法论进步以及光谱、空间、时间与多传感器维度上的性能提升，探讨了为何深度学习能够增强遥感变化检测能力；同时指出了深度学习变化检测发展的关键局限性和未来方向。
2022 土地覆盖变化检测技术：极高分辨率光学影像 GRSM2022 回顾了使用极高分辨率遥感影像进行土地覆盖变化检测的技术，重点探讨了捕捉细节变化的能力，并讨论了各种方法和应用。
2022 基于深度学习的高分辨率遥感影像变化检测综述 RS2022 回顾了基于深度学习的高分辨率遥感影像变化检测方法，按网络架构对算法进行了分类，并讨论了数据集、评估指标、面临的挑战以及未来的研究方向。
2022 卫星遥感影像多类别变化检测综述 GSIS2022 全面回顾了遥感领域的多类别变化检测（MCD），内容包括其背景、关键挑战、基准数据集、方法分类、实际应用及未来研究方向，旨在填补现有文献的空白，为推进精细土地变化分析、超越传统二元检测提供基础性参考。
2021 极高空间分辨率光学遥感影像的变化检测：方法、应用与未来方向 GRSM2021 全面概述了极高空间分辨率（≤5 m）遥感影像中的变化检测，系统地考察了当前方法、实际应用以及未来研究方向，以应对光谱信息有限、光谱变异性和几何畸变等挑战。
2020 多源多目标场景下基于遥感影像的变化检测方法综述 RS2020 调查了多源遥感影像和多目标场景下的变化检测方法，总结了一个包含变化信息提取、数据融合和分析的一般框架，并讨论了未来方向。
2020 基于人工智能的变化检测：最新进展与挑战 RS2020 回顾了人工智能在变化检测中的最新方法、应用和挑战，内容涵盖数据来源、深度学习框架和无监督方案，并讨论了异质数据处理和AI可靠性等问题。相关更新可在MinZHANG-WHU/Change-Detection-Review中查看。
2019 多时相高光谱影像变化检测综述：当前技术、应用与挑战 GRSM2019 提供了一篇关于高光谱遥感影像变化检测的全面综述，内容包括基本概念、方法分类、当前技术及关键挑战，并通过实验结果展示了最先进的方法，以突出利用高光谱分辨率进行精细土地覆盖变化监测的独特潜力和复杂性。
2018 多时相遥感影像变化检测方法综述 武汉大学学报 (信息科学版) 2018 本文系统回顾了多时相遥感影像变化检测技术的发展历程，从预处理、方法分类到精度评价全面梳理研究进展，指出当前尚无普适性通用方法，并分析核心难点与应对策略，旨在推动该领域向更深入、更系统方向发展。
2017 多时相遥感影像变化检测的现状与展望 测绘学报2017 本文围绕多时相遥感影像变化检测的基本流程，从预处理、方法、阈值分割到精度评价系统梳理最新研究进展，总结其在生态环境监测与城市发展等领域的应用，并展望高光谱与高分辨率影像驱动下的未来发展方向。
2017 利用Landsat时间序列进行变化检测：频率、预处理、算法和应用综述 ISPRS P&RS 2017 回顾了基于Landsat时间序列的变化检测研究，内容包括频率、预处理步骤、算法和应用，并讨论了Landsat数据免费开放对变化检测方法的影响。
2016 用于土地覆盖分类的光学遥感时间序列数据：综述 ISPRS P&RS 2016 回顾了利用光学遥感时间序列数据进行土地覆盖分类的情况，讨论了生成年度土地覆盖产品以及整合时间序列信息的方法所面临的问题和机遇。
2016 SAR影像变化检测研究进展 计算机研究与发展2015 本文系统梳理了SAR影像变化检测的经典流程与传统方法，重点综述近年来在差异图生成及阈值、聚类、图切、水平集等分析方法上的新兴算法改进，并通过两组数据集定量验证其性能，最后展望了该领域仍需深入研究的关键方向。
2015 遥感光学影像变化检测技术的批判性综合 RSE2015 提供了一篇关于遥感变化检测技术的批判性综合文章，按照分析单元和比较方法对文献进行整理，以减少概念重叠并指导未来研究。
2013 基于遥感影像的变化检测：从像素级到对象级方法 ISPRS P&RS 2013 回顾了从像素级到对象级的变化检测方法，讨论了随着超高分辨率影像出现，对象级方法和数据挖掘技术的潜力。
2012 基于对象的变化检测 IJRS2012 讨论了利用高空间分辨率影像进行的基于对象的变化检测（OBCD），将其与像素级方法进行对比，并回顾了用于提取详细变化信息的算法和应用。
2012 基于Landsat数据的大面积土地覆盖变化监测综述 RSE2012 回顾了利用Landsat数据进行大面积土地覆盖变化监测的方法，重点讨论了森林覆盖变化，并探讨了辐射校正、时间更新以及地形校正数据免费开放的影响。
2011 多时相遥感影像变化检测综述 [地理信息世界2011](https://d.wanfangdata.com.cn/periodical/Ch9QZXJpb2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2RpY2......

竞赛

年份 目标 比赛名称 赛道 图像对数 图像尺寸 分辨率 备注
2025 建筑物 AI用于地震响应 通过分析高分辨率的灾前和灾后卫星影像，检测受损与未受损的建筑物 - - - -
2024 土地覆盖 ISPRS第一技术委员会多模态遥感应用算法智能解译大赛 基于高分辨率可见光图像的感兴趣区域内部变化智能检测 4,000 512×512 2m -
2024 土地覆盖 “吉林一号”杯卫星遥感应用青年创新创业大赛 高分辨率遥感影像全要素变化检测研究 5,000 512×512 <0.75m -
2023 农田 “吉林一号”杯卫星遥感应用青年创新创业大赛 基于高分辨率卫星影像的耕地变化检测 8,000 256×256 <0.75m -
2023 土地覆盖 “国丰东方慧眼杯”遥感影像智能处理算法大赛 对象级变化检测 >6,000 512×512 1-2m -
2022 土地覆盖 “航天宏图杯”遥感影像智能处理算法大赛 遥感影像变化检测 >6,000 512×512 1-2m -
2022 洪水 SpaceNet8: Flood Detection Challenge 使用多分类分割进行洪水检测挑战 12 1,300×1,300 0.3-0.8m 数据集论文, 解决方案论文
2021 土地覆盖 IEEE GRSS数据融合竞赛 多时相语义变化检测 2,250 - - 成果论文
2021 土地覆盖 DynamicEarthNet挑战赛 弱监督无监督二值土地覆盖变化检测、多类别变化检测 54,750 1,024x1,024 3.0 第一名解决方案, 数据集论文
2021 土地覆盖 “昇腾杯”遥感影像智能处理算法大赛 耕地建筑物变化检测 >6,000 512×512 1-2m 前四名解决方案, 前五名解决方案
2021 建筑物 遥感图像智能解译技术挑战赛 遥感图像建筑物变化检测 10,000 512×512 - -
2021 建筑物 慧眼“天智杯”人工智能挑战赛 可见光建筑智能变化检测 5,000 1,024×1,024 0.5-0.7m -
2020 土地覆盖 商汤科技首届AI遥感解译大赛 变化检测 4,662 512×512 0.5-3m 第一名解决方案
2020 土地覆盖 SpaceNet 7: 多时相城市发展挑战 多时相城市发展挑战 - 1,024×1,024 4m 解决方案, 数据集论文
2019 建筑物 xView2挑战赛 (或xBD) 建筑物损伤评估 11,034 1,024×1,024 - 数据集论文

用于灾害响应的卫星数据资源

名称 描述
Maxar开放数据计划 Maxar开放数据计划为选定的重大突发危机提供灾前和灾后卫星影像（来自WorldView-3及其他传感器），并附带众包损伤评估。
吉林一号资源库 提供高分辨率卫星影像和专题数据，支持自然灾害监测、农业估产、生态环境保护、水利管理及应急响应等多领域应用。部分数据集仅限教育认证用户。
Planet灾害数据集 Planet为重大灾害事件提供精选影像，包括大地震、洪水、风暴、野火以及人为灾害。用户需填写申请表以获得访问权限。
国际宪章：空间与重大灾害 针对各类全球性灾害，提供灾害测绘结果和分析报告，但不直接提供原始卫星影像。

更多资源

名称 描述
Hansen全球森林变化 (GEE数据集) 以30米分辨率发布的年度全球林木覆盖损失与增长地图（2000年至今），广泛用作森林变化检测研究的地面真值标签和评估数据。由马里兰大学GLAD实验室制作。全分辨率GeoTIFF文件也可通过earthenginepartners.appspot.com获取。
daifeng2016/光学遥感数据集与方法大全 该仓库旨在总结最新的光学遥感数据集和方法，这些内容在综述文章《光学遥感影像的深度学习变化检测技术：现状、展望与挑战》中有所提及，发表于JAG2025。
MinZHANG-WHU/变化检测综述 一份关于变化检测方法的综述，包含代码和用于深度学习的公开数据集。摘自论文《基于人工智能的变化检测：现状与挑战》，发表于RS2020。
DoongLi/场景变化检测大全 该仓库汇集了关于场景变化检测的全面资源，包括论文、视频、代码和相关网站。尽管许多变化检测研究聚焦于遥感领域，但本合集专门收录了基于街景场景的研究，并主要涵盖基于机器人视觉的方法（尤其是利用图像和点云数据）。

引用

如果您在研究中使用了我们的项目，请考虑引用：

@misc{awesome_rscd_2019,
    title={优秀的遥感变化检测资源},
    author={优秀的遥感变化检测资源贡献者},
    howpublished = {\url{https://github.com/wenhwu/awesome-remote-sensing-change-detection}},
    year={2019}
}

版本历史

v1.02025/09/16

常见问题

相似工具推荐

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。

★ 162.1k|★★★☆☆|今天
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上

★ 139k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。

★ 107.7k|★★☆☆☆|2天前
开发框架图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。

★ 87.6k|★★☆☆☆|今天
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。

★ 85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。

★ 77.1k|★★★☆☆|昨天
Agent图像开发框架