这一期的神作论文有蛮多的，都很有意思。
Feature Representation In ConvolutionalNeural Networks
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码。
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
当中单个stream的准确率例如以下：
Combine的结果例如以下：
Understanding Intra-Class Knowledge InsideCNN
该论文利用可视化技术表述了cnn是怎样进行类内区分的
另外在该文中也有引用到利用可视化表述cnn怎样进行类间区分的。
是非常好的一篇cnn可视化理解文章
COMPRESSING DEEP CONVOLUTIONAL NETWORKSUSING VECTOR QUANTIZATION
该论文描写叙述了手机级别的模型存储压缩，很好的一篇论文。
事实上模型參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比如SVD。
Unconstrained Facial Landmark Localizationwith Backbone-Branches Fully-Convolutional Networks
论文提出了Backbone-Branches Fully-Convolutional Neural Network (BB-FCN)的网络结构，非常有趣，论文中还给出了非常多商业非商业的方法做比較，是一篇非常好的人脸定位切入文章。
当中的网络结构例如以下：
结果对照表格：
Facial Landmark Detection by DeepMulti-task Learning
