La mapeo confiable y eficiente a gran escala de palmeras datileras a partir de datos de teledetección es crucial para desarrollar inventarios de palmeras, monitoreo continuo, evaluaciones de vulnerabilidad, control ambiental y gestión a largo plazo. Dada la creciente disponibilidad de imágenes de UAV con información espectral limitada, la alta varianza intra-clase de las palmeras datileras, las variaciones en las resoluciones espaciales de los datos y las diferencias en los contextos y fondos de las imágenes, la mapeo precisa de palmeras datileras a partir de imágenes de muy alta resolución espacial (VHSR) puede ser un desafío. Este estudio tuvo como objetivo investigar la confiabilidad y la eficiencia de varios transformadores de visión profunda en la extracción de palmeras datileras a partir de imágenes VHSR multiescala y multisource. Se evaluaron numerosos transformadores de visión, incluidos el Segformer, el Segmenter, el transformador UperNet-Swin y el transformador de predicción densa, con varios niveles de complejidad del modelo. Los modelos se desarrollaron y evaluaron utilizando un conjunto de imágenes aéreas y basadas en UAV. Se evaluó y comparó la generalizabilidad y la transferibilidad de los transformadores de visión profunda con varios modelos de segmentación semántica basados en redes neuronales convolucionales (CNN) (incluidos DeepLabV3+, PSPNet, FCN-ResNet-50 y DANet). Los resultados de los transformadores de visión profunda examinados fueron generalmente comparables a varios modelos basados en CNN. Los transformadores de visión profunda investigados lograron resultados satisfactorios en la mapeo de palmeras datileras a partir de las imágenes de UAV, con un mIoU que oscila entre el 85% y el 86.3% y un mF-score que varía entre el 91.62% y el 92.44%. Entre los modelos evaluados, el Segformer generó los mejores resultados de segmentación en los conjuntos de datos de prueba basados en UAV y multiescala. El modelo Segformer, seguido del transformador UperNet-Swin, superó a todos los modelos basados en CNN evaluados en el conjunto de datos de prueba multiescala y en el conjunto de datos de prueba adicional de UAV no visto. Además de ofrecer resultados notables en la mapeo de palmeras datileras a partir de imágenes VHSR versátiles, el modelo Segformer se encontraba entre aquellos con un número reducido de parámetros y costos computacionales relativamente bajos. En conjunto, los transformadores de visión profunda podrían utilizarse de manera eficiente en el desarrollo y actualización de inventarios de palmeras datileras y otras especies de árboles.