最近發現將閱讀論文的心得體會記錄下來是很有必要的，一方面將自己的想法用文字表達出來，可以鍛鍊論文寫作表達能力，便於後續論文寫作。另一方面，便於回顧自己的工作。

    本文僅代表我自己的觀點，對論文理解有誤的地方，歡迎大家指正。

    正如標題說是，本文是利用遷移學習技術將訓練好的CNN模型應用於室內物體（household object）的識別及姿態評估任務。為了獲得物體的姿態，並提高物體識別的精度，本文利用RGB-D資訊訓練神經網路。由於卷積神經網路（本文用的是A. Krizhevsky在ImageNet ILSVRC 2011上用的模型，A. Krizhevsky, I. Sutskever, and G. E. Hinton,“Imagenet classification with deep convolutional neural networks,” in Advancesin Neural Information Processing Systems (NIPS), 2012, pp. 1097–1105.）大部分是使用RGB影象進行訓練，而深度圖是用灰度圖表示的，為了能將深度圖作為輸入，訓練神經網路，作者用了一個技巧，首先從深度圖中提取出需要識別的目標物體，然後對其上色，得到Colorized image，如下圖所示。

    然後作者根據卷積神經網路輸出的結果，利用SVM（支援向量機）得到物體類別和姿態（這部分論文為詳細闡述，故不太瞭解具體是怎麼做的）。