Ziel des Projektes ist zu messen ob das ViT (Vision Transformer) Modell, es nicht vorher schon trainiert, hat besser Leistung im vergleich das CNN (Convolutional Neural Networks) Modelle, es auch nicht vorher schon trainiert, während die Validierung des Inhalt eine neue Unterlage zu klassifizieren. Das Bild Datei-sets (zwischen 10 zu 15 Million Aufzeichnungen) wurde durch eine Pipeline generiert und das Spalten zwischen Training und Testing wäre 85 zu 15.