生成对数据集漂移具有鲁棒性的浮游生物分类器

现代浮游生物高通量监测依赖于深度学习分类器对水生态系统中的物种识别。研究发现，分类器在初始数据集条件下表现良好的情况下也会遇到显著失败的例子。提出了一个三步骤的流程来解决这个问题，并提出了一个名为BEsT的模型，具有较强的模型鲁棒性和准确度。该研究为更可靠的浮游生物分类技术的发展提供了帮助。