Model - to transformator wzroku (ViT), przeznaczony do wykrywania i klasyfikacji wojskowych samolotów na obrazach. Został wytrenowany na zbiorze danych, który zawiera obrazy 43 różnych typów samolotów, w tym takie modele jak A-10, F-16 i B-52. Model jest przeznaczony do takich zastosowań jak wojskowe obserwacje i rozpoznawanie obiektów. Wskaźniki oceny wskazują na ogólną dokładność wynoszącą około 60,8%, z różną wydajnością dla różnych klas samolotów.