关于GoogleNet论文的几个问题

Question

这个短语来自于“重新思考计算机视觉的初始架构”的论文。上面写着：

1. 高维表示更容易在网络中本地处理。在卷积网络中增加每个块的激活允许更多的解纠缠特征。由此产生的网络将训练得更快。

这个短语是什么？

1. 高维表示更容易在网络中本地处理“

卑劣？

这是否仅仅意味着，通过在一个层中拥有更多的特征映射，就可以更容易地实现更高的表示？再次指出，每层都有大量的特征图，(更宽)更有益吗？

如果是这样的话，下面的部分是否表示了同样的内容：

在卷积网络中增加每个块的激活允许更多的解纠缠特征。

在这方面，错乱的特征意味着什么？

Answer 1

“高维表示”指的是像您建议的那样拥有更多的功能映射(请参阅图7中提出的初始模块)。

至于分离特征意味着什么，我相信它们意味着去相关:初始模块提取的特征越多(具有不同的过滤器)，网络学习速度就越快。因为网络将能够访问更多的信息，从而在培训的早期发现哪些特征是突出的。