双线性池化（Bilinear Pooling）

bilinear pooling主要用于特征融合，对于从同一个样本提取出来的特征x和特征y，通过bilinear pooling得到两个特征融合后的向量，进而用来分类。

如果特征x和特征y来自两个特征提取器，则被称为多模双线性池化（MBP，Multimodal Bilinear Pooling）；
如果特征x=特征y，则被称为同源双线性池化（HBP，Homogeneous Bilinear Pooling）或者二阶池化（Second-order Pooling）。

原始的Bilinear Pooling存在融合后的特征维数过高的问题，融合后的特征维数=特征x和特征y的维数之积。原作者尝试了PCA降维，但效果并不理想。

• Bilinear CNN Models for Fine-grained Visual Recognition（2015）
  
• CBP: Compact Bilinear Pooling
• MCBP: Multimodal Compact Bilinear Pooling
• LRBP：Low-rank Bilinear Pooling
• Grassmann Pooling

《Factorized bilinear models for image recognition》是ICCV2017的文章，虽然本文也是针对HBP的研究，但成功地把bilinear model与bilinear pooling联系起来。

• MLB：Multimodal Low-rank Bilinear Pooling
• MFB：Multi-modal factorized bilinear pooling

参考资料：
双线性池化（Bilinear Pooling）详解、改进及应用