AOG是CVPR2019年收录的一篇文章，因其独特思想，本文对AOG进行简单介绍。AOG是对CNN卷积网络提出的一种通用框架，传统的卷积网络各有优缺点。但基本的发展路线有三：
加深网络结构：LeNet->AlexNet->VGG增加多尺度卷积：GoogleNet增加跳跃连接，实现特征重用和减少梯度消失与网络退化：ResNet、DenseNet
AOG相当于提出了一种通用的架构，结合以上各网络的优点，在与与或文法结合的基础上提出一种通往的卷积网络架构。
1.深度网络结构设计
神经网络结构
深度网络的设计过程可以考虑成如下模式：一个输入、一个输出、中间网络结构的设计。中间网络结构的设计咱们可以进一步分成若干块。
传统填充网络块设计
对于块的设计，如下图所示，咱们可以用传统的神经网络结构，如：ResNet、VGG等。
AOG网络结构
本文提出一种通用的神经网络卷积结构，可以用AOG构建块代替过往的所有卷积网络结构块，如下图所示：
2.AOG构建块结构设计
AOG结构块的设计如下图所示：
- 其中蓝色节点表示And-Node（不停的对特征进行拆分）
- 绿色节点表示Or-Node（不停的对And-Node拆分的特征进行组合）
- 标红框的节点表示Terminal-Node（对特征实现传统网络的变换，又实现类似于ResNet的跳跃连接）
- 又加入了紫色的横向连接（相当于在不引入额外参数的情况下增加了特征重用与流动节点深度）
- 与或图组成式架构：提供了更灵
活的信息流，实现多种特征组合方案 - 整体与或语法：实现了有效的网络深度和宽度的平衡
AOG构建块的具体构建结合了广度优先算法，具体可参考原文。
3.AOG构建块的简化
由于语法句子结构是存在冗余情况的，类似于我是LY与LY是我表达的是同样的意思，所以可以进一步再对AOG构建块进行剪枝。剪枝策略：凡是碰到Or-Node，其节点子集中若存在对称节点，则删除其一。
比如下图，最上面的根节点的第二个节点与第四个节点对称，所以就可以剪去第四个节点。
4.实验结果
作者针对本网络对ImageNet 1K与COCO测试集进行了测试，发现在使用更小参数的情况下，对图片的识别效率更好。
