【复值神经网络】应用到CV实践中的一些反思

本人使用复值网络进行的图像识别任务，实际过程中遇到的一些问题，以及总结和反思，如有相同问题的欢迎大家探讨。
1.复值网络目前的实现，还是基于在实值卷积的基础上，尽管现在有开源的包直接能使用，其实底层逻辑还是使用实值卷积的那一套。
2.在应用到计算机视觉任务，对于输入图像进行处理时，一般来说要面临怎么将图像从实数域转换到复数域的问题，可用一些传统方法：傅里叶、Gabor等，但如果这样，需要有一定经验，提前设计好参数。这样的做法显然有一定的问题。
目前可用python代码直接转换，但是还是直接将复数域设为0, 后面在网络提取的过程当中更新虚部。这样有一定的道理，但是仍然可以深挖，究竟有没有将图像完整复数化，是否丢掉了一些信息？（本人才疏学浅，暂时未能想明白）
3.复值网络本质是加了一倍的卷积层，复杂度变高，并且一些复数计算使得训练大幅度变慢，如果可以选的话还是尽量不去碰复值网络