BigEarthNet上训练的Vision Transformer模型：性能比较与应用研究

摘要：

本文旨在探讨使用BigEarthNet数据库进行训练的Vision Transformer (ViT)模型，并与其原始基准结果进行比较。我们调查了目前是否有任何正在用于BigEarthNet的ViTs，并分析它们的表现。通过对ViT的不同变体进行比较，我们发现其中一些更为有效。我们在实验中使用了不同的图像分类任务，如农业、城市和水域等，以评估ViT的性能。我们还对ViT的可视化结果进行了评估，并比较了它与其他传统模型的表现。

研究结果表明，使用BigEarthNet数据库训练的ViT模型表现出了很好的性能，其分类准确率高于原始基准结果。我们还发现，ViT的不同变体对于不同的图像分类任务可能具有不同的表现。此外，ViT的可视化结果比其他传统模型具有更好的可解释性。

总之，本文旨在探讨使用BigEarthNet数据库训练的ViT模型的表现，并比较其与原始基准结果的差异。我们的结果表明，ViT模型具有很好的性能，有望成为未来的重要图像分类工具。

关键词：BigEarthNet数据库，Vision Transformer，ViT，图像分类，性能评估，可视化结果