摘要
第一，提出了对于CNN每一层的maxout activation，得到了Max-Feature-Map(MFM)。MFM区别于ReLU，ReLU通过设置下限封锁神经元，MFM通过竞争关系封锁神经元。MFM不仅能分离噪声信号和信息信号，也可以在特征选取中扮演重要的角色。
第二，为了减少参数的数量和改善表现，提出了有5个卷积层和4个NIN层的网络。
第三，设计了语义引导方法（semantic bootstrapping），使得模型预测在噪声标签上连续性更好。
简介：
这篇论文的主要贡献如下：
第一，提出了MFM操作，一种特殊的Maxout来学习light CNN，light CNN有较小数量的参数。相较于ReLU，MFM应用了一个竞争关系，因此有更加广泛的能力，且适用于不同的数据。
第二，基于MFM的light CNN被设计用来学习普遍的面部特征。小核卷积过滤器和NIN用来减少参数space。这种配置在速度和空间上取得了更好的表现。
第三，提出了经过预训练的深度网络的语义引导方法，解决大尺寸数据集的噪声标签图像问题，不连续的标签能被有效的探测出来，通过预测的概率，然后重新标记或者移除。
第四，提出的256维特征的简单模型在五个数据集上获得了最佳结果。模型大约有5556K参数，抽取脸部特征大约用时67ms.
结构：
3.1 MFM操作
每一个卷积层的激活函数必须如下特征：
1）大尺寸的数据集包含着多种噪声，我们期望噪声信号和信息信号分离
2）当图像里有水平边缘或者线的时候，神经元对水平信息的应答受制于神经元对垂直信息的抑制。
3）一个神经元是否受抑制是parameter free（？）的，因此它不取决于训练数据。
我们提出了Max-Feature-Map(MFM)操作，是Maxout激活的扩展，Maxout激活使用了足够多的隐藏神经元，去无限接近于一个凸函数。MFM抑制少量的神经元，使得CNN模型轻量并更加鲁棒。我们定义2个MFM操作获得竞争特征映射。
输入卷积层xn∈RHXW啊,n={1,…,2N},W和H代表特征映射的空间宽度和高度。
MFM2/1操作组合了两个特征映射，输出element-wise的最大值。式子如下：
卷积层输入信道数量为2N。1<=k<=N，1<=i<=H,1<=j<=W.如上式，输入x经过MFM操作后属于RHXWXN范围内。
梯度如同下式所示：
1<=k’<=2N且，
考虑到MFM2/1，我们主要获取了来自输入特征映射50%的信息神经元，通过特征信道的element-wise 最大化操作。
更进一步的，我们获取更多可操作的特征映射，MFM3/2操作，输入三个特征映射，移除element-wise最小的那个，可以写成如下形式：
x∈R，1<=n<=3N,1<=k<=N,median()是输入特征映射的中值。MFM3/2的梯度和（3）式很相似，当x激活时，梯度的值为1。这样，我们选择和保留了2/3输入特征映射的信息。
3.2 Light CNN框架
MFM操作引入CNN后，它有着和生物统计学中的局部特征相似的特征选取作用。它用不同的过滤器选取了相同位置的最佳特征。它产生了二值梯度（0或1），在反向传播时来激发或者抑制神经元。
由于稀疏梯度，在一方面，训练时CNN反向传播时，SGD过程只在神经元的应答变量起作用。另一方面，测试时抽取特征时，MFM可以通过激活两个特征映射从先前的卷积层获取更多竞争结点。因此MFM能够起到特征选取和稀疏连接的作用。
此外，因为NIN能够做卷积层和卷积核之间的特征选择，所以能够减少模型的参数数量。最终，提出的light CNN包括了5个卷积层，4个NIN层，MFM层，4个Max-pooling层和2个全连接层。
3.3 噪声标签的semantic bootstrapping
Bootstrapping，又称自训练，是一个样本估计的简单的方法。由于其简易型和有效性广泛应用于估计样本分布。基本思想是：训练样本的预测结果能被重新标记，通过re-sampling和从原始标记样本的推断结果表现。它能估计复杂数据分布的标准差和置信度区间，也可以控制估计的稳定性。
使x∈X和t分别为数据和他们的标签。预测可以被写成条件概率的形式：p(t|f(x))。p的最大值决定了预测的标签，尤其是对于大量对象。首先，我们在原始噪声标签数据集上训练light CNN模型。MFM操作导致了训练的知觉连续性的概率鲁棒性。因为MFM的梯度是稀疏的。因此就算数据集中有大量的噪声数据，Light CNN模型也能趋于稳定。第二，我们使用训练过的模型预测噪声标记过的标签。并根据条件概率p(ti|f(x))设置下限决定是否接收或拒绝这个预测。最后，我们在重新标记过的数据集上重新训练light CNN模型。