本文探讨了使用自监督视觉Transformer（DINOv2）进行多标签植物物种分类的迁移学习方法，结合先进的数据处理技术，解决了大规模数据集的计算挑战。研究表明，该方法在细粒度图像分类任务中取得了显著效果，并提出了领域相似度的衡量方法，推动了生物多样性研究中的视觉分类应用。