**
** 再经过sum-pool 或者maxpool，后加分类模块。 fA：CxM fB: CxN bilinear = MxN -----> reshape to size MN x 1 -----> classification
双线性CNN的梯度传播
实验 本文采用 M（15 layers）conv5+relu ，D（30 layers）conv5-4 + relu。
Low dimensional bilinear CNN models
对称初始化的b-cnn在参数调整后还是对称的，因为梯度是相同的。虽然有效率，但是次优的，没有探索到不同的CNN空间。 为打破特征提取器的对称性：
dropout效果稍微有所下降降维度，降低通道数。