本文的大概思想就是：

       （1）增加训练样本；（2）增加测试样本预测数量；（3）多个CNN模型的融合；

一、增加训练样本的数量

     常用的增加样本的方法有：crop、flip及add randomly generated ligthing；

    1、传统的crop方法是把图像resize到256*256，然后在进行crop，但是这样会损失掉一部分有用的信息例如下图：

      因此本文采用的方法：先将图像的最小的一边放大到256，这样就形成了256*N或者N*256，然后在进行crop；

    2、除了随机加入光照噪声以外，还可以加入额外的颜色处理，即随机改变图像的对比度、亮度和色度（0.5-1.5的比例）；

二、增加额外的预测数据

    除了采用五个crops和两个flips外：

    1、采用三个尺度的图像，256、228和284；

    2、采用三个视觉角度，同时倍增了全连的层数，但是并没有取得好的效果；

    3、减少预测的数量

    由于采用了 translations, 2 flips, 3 scales, and 3 views 这样就产生了90 预测，如果将这90个预测都使用的话，将极大影响测试速度，不使用。简单的方法是采用贪婪方法：即首先采用最可行的一个预测，逐渐加入其他预测，直到识别率不再增加。（不解之处：在测试的时候，根本就无法知道什么时候识别率不再增加，有可能还是要把所有的预测都用上）。效果图如下：

三、高分辨率的模型

    采用更大的图像，训练一个高分辨率的模型，然后把基本模型和高分辨率模型进行结合。在训练高分辨率的模型的时候有一下几个点：

    1、9 crops, 2 flips, 3 scales, 3 views，采用前面的贪婪预测方法。

    2、由于训练样本非常丰富，因此drop out 就不再那么重要。本文采用分阶段drop out，取得了不使用和一直使用drop out更好的效果。模型融合的效果如下图：

四、在ILSVRC2013上的识别率

 五、总结

   个人认为，这篇论文也没有什么比较出色的创新点，只不过就是比别人增加样本的方法多一些，并且取得比较好的效果是因为有10个模型的融合的结果。

   值得借鉴的点：

   1、增加样本的方法；

   2、阶段性使用drop out；阶段性使用drop out还属首次，取得了好的效果。