EarthJev

EarthJev

回答关于卫星图像块的类型化问题，使用 Sentinel-2 的全部 12 个波段，为每个选项返回概率，不生成文字。这是 Qwen3.5-0.8B 的微调版本，适合地球观测研究者。

由 dBenf 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：EarthJev 是那不勒斯费德里科二世大学团队开发的小型视觉语言模型，用于地球观测。你给它一个包含全部 12 个波段的 Sentinel-2 L2A 图像块，以及一个带固定选项的问题。它为每个选项返回概率，从不生成自由文本，所以每个答案都是你声明过的选项之一。

适合谁：对卫星影像分类，并希望对图像块的固定问题得到快速、经过校准的回答的研究者和开发者。

Industry | Who uses it | How they use it | Example
地球观测 | 遥感研究者 | 对 Sentinel-2 图像块提出土地覆盖问题 | 询问哪一种土地覆盖类型占据图像块的大部分
环境监测 | 追踪土地利用的分析师 | 在大量图像块上检查是否存在城市肌理等特征 | 询问某个图像块是否含有城市区域
机器学习研究 | 研究高效模型的开发者 | 把它的速度和准确度与更大的生成式模型对比 | 对照生成式基线，统计每张图像的回答耗时

如果你需要自由文本描述，或者你的影像只有三个彩色波段，可以跳过它。

用在哪里：它在 Python 里配合 transformers 和 torch 运行，需要从项目仓库的副本中使用。文件可以在 Windows、macOS 或 Linux 上下载。

• 支持 Qwen3.5 的 transformers 的 Python，以及 torch
• 来自 OneJev 项目的引擎
• BigEarthNet 风格的 Sentinel-2 L2A 数据

Use case | Who | What they get back
土地覆盖问题 | 研究者 | 每个土地覆盖类别的概率
是非检查 | 分析师 | 是和否各自的概率
批量问答 | 开发者 | 通过一次图像编码得到关于同一图像块的多个回答

如何设置：你需要 Python 和模型文件夹，模型卡没有把 GPU 列为必需。

• 带 pip 的 Python
• 支持 Qwen3.5 的 transformers，以及 torch
• OneJev 引擎，模型卡里有它的安装命令
• 这个仓库的副本，里面有 earthjev_infer 模块

1. 安装 Hugging Face hub 库。
2. 下载模型文件。
3. 安装 transformers、torch 和 OneJev 引擎。
4. 在仓库副本里运行示例。

pip install -U huggingface_hub
hf download dBenf/EarthJev

如何使用：从模型文件夹加载模型，传入 12 波段的数组和一组类型化的问题，再读取概率。数组沿第一个轴堆叠了 12 个 Sentinel-2 L2A 波段，从 B01 到 B12。

import numpy as np
from earthjev_infer import EarthJev

model = EarthJev.load(".")                       # this folder (downloaded with huggingface_hub.snapshot_download)
s2 = np.load("examples/S2A_MSIL2A_20170701T093031_N9999_R136_T35VPK_37_55.npy")   # [12, 120, 120] uint16
answers = model.predict(s2, {
    "dominant": {"type": "choice", "instructions": "Which land-cover class covers most of this patch?",
                 "criteria": {"artificial": "Artificial surfaces.", "agricultural": "Agricultural areas.",
                              "forest": "Forest and seminatural areas.", "wetlands": "Wetlands.",
                              "water": "Water bodies."}},
    "urban": {"type": "noul", "instructions": "Is there any urban fabric in this patch?"},
})
print(answers["dominant"])   # a probability for every option

Tool | What it does
EarthJev.load | 从下载的文件夹加载模型
model.predict | 接收波段数组和类型化的问题，为每个选项返回概率

示例：你传入一个 12 波段的图像块，并询问哪一种土地覆盖类型占据了它的大部分，共五个选项。模型为这五个选项各返回一个概率，比如森林一个、水体一个，没有生成的文字。

新手与专家：如果你刚接触这类模型，Sentinel-2 是一颗用多个波段拍摄地球的卫星。先用仓库里的示例图像块，读一读那两个示例问题的概率。

如果你熟悉这个领域，模型在一个位置读取选项字母的 logits，所以每个答案都有效，同一个图像块的多个问题共用一次图像编码。第一层视觉层从 3 个通道扩展到了 12 个。作者报告了在验证问题上拟合的校准温度。

12 波段图像块和类型化问题
共享一次图像编码
读取选项字母的 logits
返回每个选项的概率

注意事项：在三次训练中，作者保留了验证准确率最高的一次，在 36,698 个问题上为 85.63%。在模型卡的测试里，它比准确率相近的生成式模型快好几倍。

Title: 模型卡在 CORINE 问题上的测试
Model | Accuracy percent | Milliseconds per question
EarthJev | 86.0 | 19.9
Qwen3.5-0.8B, generative | 86.8 | 134.7
InternVL3-2B, LoRA | 87.1 | 84.5

• License: Apache 2.0
• Cost to run: 未提及
• Data it reaches: 你传入的 Sentinel-2 图像块
• Not for: 自由文本回答，或只有三个彩色波段的影像，因为把其余九个波段替换为训练均值会让 CORINE 上损失 4.5 个点

Hugging Face 上的数据（2026年11月14日）

• 任务：image text to text
• 框架：transformers
• 参数量：1.1B
• Weights: about 2.2 GB in BF16; about 555 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：159
• 点赞：2
• 许可证：apache-2.0
• 语言：en
• 基于：Qwen/Qwen3.5-0.8B
• 标签：transformers, safetensors, qwen3_5, image-text-to-text, remote-sensing, sentinel-2, multispectral, earth-observation, visual-question-answering, calibration, decision-model, system-one

链接

• 模型：https://huggingface.co/dBenf/EarthJev
• 文件：https://huggingface.co/dBenf/EarthJev/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download dBenf/EarthJev

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。