Deep Neural Decision Forests为ICCV2015 Best Paper，这篇论文提出了一个非常有建设性的思路，那就是将传统数据挖掘（分类、回归超牛逼）的思想结合到卷积神经网络（提特征超牛逼）里面，这样训练出一个end to end的模型。

这篇论文引入了一种对filter，feature map进行二值化的算法，从而避免了传统CNN中卷积操作的实数乘运算。论文提到，单纯对filter参数二值化，会有2X效率的提升，如果再对feature map的值进行二值化会有58X提升，并提升27X的内存利用率，但是会有一定的准确度损失，但是这篇论文仍然堪称解决CPU训练深度网络效率低的良药。