标签：
这一期的神作论文有蛮多的，都非常有意思。
该论文中论述了在某种CNN结构下，是否有准确率较高的off model的分类方法（这里是指非softmax）能达到更有效的分类结果呢？
论文给出了肯定的答案。
该论文还给出了各层特征重要性的图表，蛮有意思的
该论文还交代了实验中用到的开源代码。
Openmpi for multi-gpu
Code: https://github.com/yjxiong/caffe/tree/action_recog
其中单个stream的准确率如下：
Combine的结果如下：
该论文利用可视化技术表述了cnn是如何进行类内区分的
另外在该文中也有引用到利用可视化表述cnn如何进行类间区分的。
是很好的一篇cnn可视化理解文章
该论文描述了手机级别的模型存储压缩，非常好的一篇论文。
其实模型参数的压缩不仅会起到存储空间压缩（PQ）的作用，还会起到加速模型的作用例如SVD。
论文提出了Backbone-Branches Fully-Convolutional Neural Network (BB-FCN)的网络结构，非常有趣，论文中还给出了很多商业非商业的方法做比较，是一篇很好的人脸定位切入文章。
其中的网络结构如下：
结果对比表格：
版权声明：本文为博主原创文章，未经博主允许不得转载。
[Thu, 9 Jul 2015 ~ Tue, 14 Jul 2015] Deep Learning in arxiv
标签：
原文地址：http://blog.csdn.net/sunbaigui/article/details/46878179
