Данный доклад посвящён анализу проблематики применения механизма внимания и архитектур трансформеров к задачам компьютерного зрения, в частности к задаче классификации изображений, а также сравнительному анализу точности работы новейших нейросетевых моделей на архитектуре трансформер с различными методами аугментации изображений на малоразмерных датасетах в сравнении с нейросетевыми моделями использующие преимущественно сверточные слои.