這一期的神作論文有蠻多的，都非常有意思。
Feature Representation In ConvolutionalNeural Networks
該論文中論述了在某種CNN結構下，是否有準確率較高的off model的分類方法（這裏是指非softmax）能達到更有效的分類結果呢？
論文給出了肯定的答案。
該論文還給出了各層特徵重要性的圖表，蠻有意思的
該論文還交代了實驗中用到的開源代碼。
Towards Good Practices for Very DeepTwo-Stream ConvNets
Openmpi for multi-gpu
Code: https://github.com/yjxiong/caffe/tree/action_recog
Two-Stream Convolutional Networks forAction Recognition in Videos
其中單個stream的準確率如下：
Combine的結果如下：
Understanding Intra-Class Knowledge InsideCNN
該論文利用可視化技術表述了cnn是如何進行類內區分的
另外在該文中也有引用到利用可視化表述cnn如何進行類間區分的。
是很好的一篇cnn可視化理解文章
COMPRESSING DEEP CONVOLUTIONAL NETWORKSUSING VECTOR QUANTIZATION
該論文描述了手機級別的模型存儲壓縮，非常好的一篇論文。
其實模型參數的壓縮不僅會起到存儲空間壓縮（PQ）的作用，還會起到加速模型的作用例如SVD。
Unconstrained Facial Landmark Localizationwith Backbone-Branches Fully-Convolutional Networks
論文提出了Backbone-Branches Fully-Convolutional Neural Network (BB-FCN)的網絡結構，非常有趣，論文中還給出了很多商業非商業的方法做比較，是一篇很好的人臉定位切入文章。
其中的網絡結構如下：
結果對比表格：
Facial Landmark Detection by DeepMulti-task Learning
