该研究探讨了仅依赖一两个标准分数比较二分类器的问题，指出这种方法无法反映特定需求的差异。通过引入Tile工具，研究提供了一种新的评估和比较分类器的方法，能够有效捕捉分类器行为并提升选择准确性。

本研究扩展了梯度基于Class Activation Mapping (CAM)方法，以适用于二分类器，并可视化二元面部属性分类器的活跃区域。实验结果显示，偏斜分类器主要依赖于多数类别的偏倚激活，而均衡分类器在不平衡数据上经过调整后，多数和少数类别都能显示出预期的激活情况。