图像检索与图像分类的区别

Question

load fisheriris
xdata = meas(51:end,3:4);
group = species(51:end);
svmStruct = svmtrain(xdata,group,'showplot',true);



species = svmclassify(svmStruct,[5 2],'showplot',true)
hold on;plot(5,2,'ro','MarkerSize',12);hold off

上面的代码给出了结果-> species = 'virginica‘

该种被归类为“处女座”。这只是一张图片。这种分类过程可以称为“图像检索”吗？

或者我们必须检索许多图像，才能将其称为图像检索？

Answer 1

图像分类:在称为训练集的数据集上训练模型，然后使用与训练集不相交的数据集进行测试(最重要)。

图像检索:给定一个查询图像，从数据库中获取与查询图像“最接近”的图像。现在，术语“最近的”可以是关于颜色，形状，纹理等。所以什么决定了“最近的”-图像的特征向量，用户根据设计的算法来计算，以满足他的需要。

分类和检索之间的主要区别:分类需要训练数据的标签，而检索不需要。检索是一种纯粹基于距离的方法。

现在，转到您的问题:这不会被称为检索，因为它只是告诉我查询图像的类，而不是为我提供类似的图像。现在你可能会说，如果我对100张这样的图像进行分类，如果其中50张属于某个类别，那么这些图像就可以被视为相似的图像。这是正确的吗？在我看来，答案是否定的。考虑一个例子，你必须对有车和没有车的图像进行分类。在(完美)分类的情况下，所有的50个图像肯定都有汽车。但在(完美)检索的情况下，所有50张图像都将有相同颜色的汽车或小/大汽车等。这是不同之处。

你可以说，检索到的最上面的图像可以作为分类结果。这是可能的。但同样，我们有非常强大的分类算法(例如，SVM、随机森林、Boosting、多实例学习等)。但检索的情况就不一样了(据我所知)。因此，如果你想进行分类，你不会取检索的最高结果，你将始终使用专用的算法进行分类。

总而言之，如果一个过程不需要标签，并且它根据某些属性(颜色、纹理、形状等)进行检索，则该过程称为检索。分类是你需要标签的地方，分类是根据类别进行的(例如，汽车/无汽车，人/无人，自然/人造等)。

我希望这能澄清你的概念。