少样本图像分类器中的虚假偏差基准测试
原文中文，约300字，阅读约需1分钟。发表于：。本研究针对少样本图像分类器在面对虚假偏差时表现不佳的问题，提出了一种系统性和严格的基准框架FewSTAB。该框架通过基于属性的样本选择策略，自动评估少样本分类器对虚假偏差的鲁棒性，并为提升分类器的稳健性提供了新的设计指导和评估结果。实验表明，FewSTAB能够有效展示和量化分类器在不同虚假偏差程度下的性能。
本研究提出了FewSTAB框架，用于改善少样本图像分类器在虚假偏差下的性能。该框架通过样本选择策略评估分类器的鲁棒性，并提供设计指导和评估结果。实验证明FewSTAB能有效展示和量化分类器在不同虚假偏差程度下的性能。
