基于Google Vision Transformer (ViT)架构的预训练模型，在EuroSat数据集上进行了微调，适用于遥感图像分类任务。

该模型是基于ConvNeXt-Tiny架构的微调版本，专门用于图像分类任务，在EuroSAT数据集上取得了95.37%的准确率。

基于图像文件夹数据集微调的ConvNeXt-Tiny模型，适用于图像分类任务

基于Swin Transformer Tiny架构的视觉模型，在EuroSAT数据集上微调，用于卫星图像分类任务

基于Swin Transformer Tiny架构的视觉模型，在EuroSAT数据集上微调，用于图像分类任务

基于Google Vision Transformer (ViT)架构的图像分类模型，在EuroSAT数据集上微调

基于Swin Transformer架构的微调图像分类模型，在图像文件夹数据集上取得了98.3%的准确率。

基于ViT架构的图像分类模型，在image_folder数据集上微调，准确率达90.17%

基于Swin Transformer架构的微调图像分类模型，在EuroSAT数据集上取得93.94%的准确率

这是一个基于Swin Transformer Tiny架构的视觉模型，在EuroSAT数据集上进行了微调，主要用于图像分类任务。

基于ConvNeXt-Tiny架构的微调模型，专为图像分类任务优化，在EuroSAT数据集上表现出色

基于Swin Transformer架构的微调图像分类模型，在EuroSAT数据集上达到98%准确率

该模型是基于microsoft/swin-tiny-patch4-window7-224在图像文件夹数据集上微调得到的图像分类模型，在评估集上准确率达到96.19%。

该模型是基于Swin Transformer架构的微调版本，专门用于图像分类任务，在EuroSAT数据集上取得了97.26%的准确率。

基于Swin Transformer Tiny架构的微调图像分类模型，在EuroSAT数据集上取得了97.26%的准确率

这是一个基于Swin Transformer架构的微小模型，专为图像分类任务设计，在EuroSAT数据集上进行了微调。

这是一个基于Swin Transformer Tiny架构的微调模型，专门用于图像分类任务，在评估集上达到了97.59%的准确率。

该模型是基于google/vit-base-patch16-224-in21k在未知数据集上微调的视觉Transformer模型，主要用于图像分类任务。

基于Visual-Attention-Network/van-base模型在图像文件夹数据集上微调的图像分类模型，准确率达98.85%

基于Google Vision Transformer架构，在EuroSat数据集上微调的高精度遥感图像分类模型