分类与检测的区别

Question

我正在为我的硕士论文阅读以下文章：http://graphics.cs.cmu.edu/projects/discriminativePatches/discriminativePatches.pdf在2.1节中说：“我们将区分聚类的分类步骤转化为检测步骤”分类和检测之间有什么区别？最初，我认为它的意思是使用“分类器”定义一个更多类的分类器(然后只对所有带有input=image补丁的类、output=类存在一个分类器)，用“检测器”定义一个类的分类器(对于每个类都有一个带有input=image补丁的不同检测器，output=是/否)。但在这句话之前，他说“先对数据进行聚类，然后对每个聚类(类)学习一个指示性分类器”，然后，用分类器表示“每个类(聚类)都存在一个分类器”。then..what，它会说区分分类器和检测？谢谢

Answer 1

1. 据我所知，本文将1-vs-全支持向量机应用于多分类.对于每个聚类，线性支持向量机训练以确保聚类内的补丁确实属于这个类(1属于，0不属于)。在训练模型的基础上，进行了再聚类。这一部分是分类器。
2. 本文中检测器的命名只是将样本从一个相对较小的集合(发现)扩展到了一个包含所有可能的图像和斑块(自然)的大集合。从算法I的草图中可以看出，对于每个聚类，SVM训练集还包括来自自然数据集的样本，以便更好地区分当前聚类中的补丁和所有其他来源(其他集群和自然集)中的补丁。注意，虽然扩展了训练样本，但是用于聚类的样本不会改变。训练集的扩展为进一步的聚类提供了更准确的相似性度量。
3. 函数名*detect_top*可能与检测器有些混淆，但根据上一步经过训练的分类器，从其他看起来更像是属于当前集群的簇中选择补丁只是调整聚类的一个步骤。从第二循环开始，这种经过训练的分类器包括来自自然数据集的信息。

分类器针对集群(D)，而检测器用于整个数据集(D+N)。

Answer 2

分类是将物品放入不同的垃圾箱的过程。

检测:检测是一个实际发现项目特征的过程。

例句:如果我让你发现有人进入房间，你可能会有一个程序来做这件事，那就是检测。如果我要求你把它们分为25岁以下和25岁以上的两组，你将不得不这样做，但在这里，大多数人会感到困惑，认为他们也必须进行检测。他们可能会得到关于年龄组的信息，就像一张随年龄而来的人的名单，你可以查看并分类，或者你可以通过询问他们的年龄，然后对他们进行分类来进行简单的检测。

在大多数情况下，在图像处理中，您将看到，检测是基于查看对象及其特征，并检测出这些特征，例如检测边缘和检测平均颜色。这并不分类，但是，您可能有一个分类，在上面，例如，将图像分类为黑白和彩色图片(2个桶)，或者你分类图像部分使用边缘。

换句话来说，就是重申一下，探测器将一直工作到检测为止，仅此而已。你如何使用这种检测取决于你自己。有大量的算法来帮助单独的检测，如果你想分类，你可以使用神经网络或简单的手动分类。

当你开车的时候，你看着外面是否有危险。它可以是人类、动物或任何其他交通工具。但如果我让你注意一个平均身高的男孩，那么你的大脑就会启动一个简单的分类算法，将人分为男性和女性，然后拒绝女性，并将平均高度分类器应用于男性，如果发现合适，就会触发Hurrah。

Answer 3

基于视觉的目标检测算法通常由图像特征检测器(它提供本地图像内容的数字描述)和模式识别器(模式识别器)组成，该检测器将本地图像内容分类，例如作为汽车或背景。而图像分类任务的目标是从一组固定的类别中分配一个输入图像的标签。