基于Google Vision Transformer (ViT)架构的图像分类模型，在EuroSAT数据集上微调，用于卫星图像分类任务

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ConvNext-base架构微调的图像分类模型，在土地覆盖分类任务上表现出色，准确率达99.19%。

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。

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。

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