this paper

1. 主要pipeline：1）用base class来训练模型，然后冻住训练好的模型参数； 2）在测试阶段，探索了不同的分类器：logistic regression (LR), support vector machine (SVM), nearest neighbor (NN).

2. 提出对pretrained model的特征做normalization可以很大的提升性能；

3. 提出pretrained model提取出来的特征也许包含某些domain-specific的信息，而这些信息可能是对target class的识别有害的，所以用random pruning stategy随机剪枝策略通过去除negaitive的信息来提升模型性能；