【0815*】Deep Hyperspherical Learning

今天呀

论文在这里
挂在arxiv上了，2017年的论文

---

Intuition

要解决的问题：CNN参数过多，训练困难。

一个有意思的解释的角度：经过傅立叶变换后，分别用幅度项和相位项反变换，发现只用幅度项反变换会的图像根本不可辨认，但是只用相位项反变换回的图像就可以看出是什么东西（颜色很怪，但是轮廓是可以辨认的）。根据这个观测，发现实际上角度可能包含更多判别信息。

Method

不太有意思。就是把每层的特征都换成了与卷积核之间的的角度。我有点儿怀疑这么做是否合理。

Conclusion

我确实没有太仔细看。

有趣的地方：

• 用测地距离解释。
• 用傅立叶变换和反变换解释。