使用均值漂移对图像斑块进行泛化？

Question

我正在阅读本文-https://arxiv.org/pdf/1609.04112.pdf，并试图理解作者第一个问题的答案-

  

为什么非线性激活   功能在所有中间层的滤波器输出中必不可少？

到目前为止，他的解释似乎是可以理解的-

我们可以将RECOS模型进一步推广到翻译后的单位领域

其中，μ是x的平均值。

我很困惑为什么这被认为是“概括”，但是本文继续解释了为什么这样做。

  

对于视力问题， x 的元素x _n ，n = 1 ... N表示N个像素   值是输入图像的值，μ是所有像素的平均值。如果输入   是完整的图像，其平均值是对图像没有影响的全局平均值   理解。

     

可以在处理之前将其删除。因此，我们将μ= 0。

     

但是，如果输入图像很大，我们通常将其划分为较小的补丁，并并行处理所有补丁。在这种情况下，每个面片的均值是局部均值。不应将其删除，因为本地方法的集成可提供完整图像的粗略视图。这对应于等式中的一般情况。 （5）。

我完全理解尝试使用均值表示小补丁。

是否意味着将信号/矢量移位视为一种概括？ 如果是这样，有人可以请我指出支持该主张的理论吗？我自己似乎找不到合适的链接。

还是在这里只是用来说明作者的示例和以后的解释？

或者我在这里缺少明显的东西吗？

Answer 1

您是否听说过概率分布（或一般特征）的标准化？您移动其均值，使其类似于高斯（正态）分布。看看Central limit theorem和论文A review of mean-shift algorithms for clustering