关于BN层在颜色恒常性任务中的思考 纵观已有的颜色恒常性算法，从15年AlexNet[1]，到后来的FC4[2]，其网络中都没有出现BN层，以及2020年的两篇CVPR（华为，港理工）也同样如此。看过其他领域的（尤其是目标检测、分类）网络，大多都会引入Batch Normalization，其作用也在ResNet论文中进行了总结，好处多多，不再赘述（面试被问透了的东西）。因此在思考，为什么颜色恒

颜色恒常性L2规范化思考 背景是否正确思考原因新的思考 背景 最近在做硕士毕业论文，关于颜色恒常性。在对源码进行解读的时候发现，对光源ground truth的规范化中，使用了L2方法，对应的，模型的输出光源也使用L2归一化，然后再计算角度误差。 由于之前的研究多为颜色相关，所以直觉考虑有些奇怪，因为CIE中定义色度是有色光加色法决定的，即L1，因此，如果颜色恒常性算法的最终目