本文是Tsung-Yu Lin大神所作（B-CNN一作），主要是探究了一种无序的池化方法\(\gamma\) -democratic aggregators，可以最小化干扰信息或者对二阶特征的内容均等化。从另一个work line，对特征聚合后，作matrix power normalization(Abbreviated as MPN)可以有效提升二阶特征的表达能力，MPN在aggregation时，隐含地均等化二阶特征。基于以上信息，提出了\(\gamma\)-democratic aggregators， 整合了sum池化和democratic 池化。
主要是可以改进MPN在GPU上支持不友好情况，这点类似于 Is Second-order Information Helpful for Large-scale Visual Recognition?
Code
Network Structure
Orderless feature aggregation
Result
