本文评估了FLAIR模型在眼底图像分类中的可迁移性，结果显示使用FLAIR模型进行迁移可获得2.5%的性能增益。通过线性探测初始化分类器，可以避免特征退化，最佳地重用预训练特征。FLAIR等基础模型将推动基于深度学习的眼底图像分析的发展。

本文评估了FLAIR模型在眼底图像分类中的可迁移性，结果显示迁移性能增益为2.5%，微调整个网络时增加到4%。通过线性探测初始化分类器，可以避免特征退化，最佳地重用预训练特征。基于FLAIR等基础模型的眼底图像分析将得到推动。

本文评估了FLAIR模型在眼底图像分类中的可迁移性，结果显示使用FLAIR模型可以获得2.5%的性能增益。通过线性探测初始化分类器，可以避免特征退化，最佳地重用预训练特征。FLAIR等基础模型将推动眼底图像分析的发展。

本文评估了FLAIR模型在眼底图像分类中的可迁移性，结果显示迁移性能增益为2.5%，微调整个网络时增加到4%。通过线性探测初始化分类器，可以避免特征退化，最佳地重用预训练特征。基于FLAIR等基础模型的眼底图像分析将得到推动。