Multi-view Harmonized Bilinear Network for 3D Object Recognition

这篇文章主要是利用了一种双线性池化的方法。双线性池化经常出现在细粒度图像分析方向上，文章针对双线性的特点，提出了一种多视角的patch-based 方法。

文章主要贡献：

1）不同于现有的pooling view-wise 的方法，以patches-to-patches 相似性度量的角度来识别3D目标。对局卷积特征做双线性池化，有效的实现了多项式集与集的相似性功能。