微分できない減色の操作を、訓練時は全ピクセルの重み付け平均を活用することで微分可能とし、End-to-Endの学習ベースの減色を実現した。

CIFAR-10、CIFAR-100、STL及びtiny-imagenet-200のデータセットで評価を行い、1bitの色空間(2色)でCIFAR-10のTop-1 Accuracyは82.1%で、既存の減色手法を上回る結果。また、ColorCNNが付与する正則化項とノイズの有効性もAblation Studyで示している。

論文で強調している通り、ColorCNNは大きな色空間では有効ではないものの、カラーパレットが1bitや2bitsの減色では一貫して有効性を示しているため通ったと考えられる。ただ、分類を行うCNNを、訓練時とは異なるネットワーク構造のCNNに変えたときの有効性は示されていない。