LightCNN

最新推荐文章于 2026-02-12 01:48:12 发布

原创最新推荐文章于 2026-02-12 01:48:12 发布 · 3.5k 阅读

收录于

深度学习宝典专栏收录该内容

1106 篇文章 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了LightCNN，一种专为处理噪声人脸数据集而设计的卷积神经网络架构。文章提出了Max-Feature-Map (MFM)的概念，作为maxout的变体，用于区分噪声和有效信息。此外，还详细阐述了LightCNN9、LightCNN29和LightCNN29-V2的不同配置，以平衡性能和计算量。同时，作者提出了一种语义引导的训练方法，改善网络在噪声标签情况下的预测能力。

LightCNN

https://github.com/AlfredXiangWu/LightCNN

文章中提出了一种 Light CNN架构的卷积神经网络，适用于有大量噪声的人脸识别数据集;
提出了 maxout 的变体，叫做 Max-Feature-Map (MFM)
maxout 使用多个特征图进行任意凸激活函数的线性近似，MFM 使用一种竞争关系选择凸激活函数，可以将噪声与有用的信息分隔开，也可以在两个特征图之间进行特征选择;
设计了 LightCNN9, LightCNN29及LightCNN29-V2，可以在性能可计算量之间做出选择;
提出一种 semantic bootstrapping method，使网络预测更符合噪声标签;

'''
    implement Light CNN
    @author: Alfred Xiang Wu
    @date: 2017.07.04
'''

import math
import os
import time

import torch
import torch.nn as nn
import torch.nn.functional as F


class mfm(nn.Module):

了解本专栏