分类和检测之间的差异

Question

我正在阅读以下文章作为我的硕士论文： http://graphics.cs.cmu.edu/projects/discriminativePatches/discriminativePatches.pdf 在第2.1节中，它说：“我们将判别聚类的分类步骤转变为检测步骤”分类和检测之间的区别是什么？最初我认为这意味着使用“分类器”它将定义更多类的分类器（然后只存在输入=图像补丁，输出=类的所有类的分类器），而“探测器”只有一个分类器class（然后为每个类存在一个不同的检测器，输入=图像补丁，输出=是/否）。但在那之前，他说“数据的初始聚类之后是学习一个描述性分类器FOR FOR CHACH CLUSTER（class）”，然后，对于分类器，它意味着“每个类（群集）都存在一个分类器”。然后..它会说区分分类器和检测？ 感谢

Answer 1

分类是将物品放入不同箱子的过程。

检测：检测是实际查找项目功能的过程

示例：如果我要求您检测进入房间的人员，您可能有一个程序来执行此操作，这将是检测。如果我然后要求你将他们分为两组年龄在25岁以上和25岁以上的人，那么你必须这样做，但是大多数人都觉得他们也必须做检测。他们可能会获得有关年龄组的信息，这些信息已经像年龄段的人一样，您可以查看并对其进行分类，或者您可以通过询问他们的年龄然后对其进行分类来进行简单的检测。

在图像处理的大部分时间，您将看到检测基于查看对象及其特征并检测这些特征，例如检测边缘和检测平均颜色。这不会对它们进行分类，但是您可能会对其进行分类，例如将图像分类为黑白和彩色图片（2个分档），或者使用边缘对图像部分进行分类。

再说一句，换句话说，探测器将在检测之前完成其工作，而不是别的。你如何使用这种检测方法。有许多算法可以帮助单独进行检测，然后如果要进行分类，可以使用神经网络或简单的手动分类。

当你开车的时候，你正在向外看并检测是否存在危险。它可以是人类，动物或任何其他车辆等。但是，如果我然后要求你寻找一个平均身高的男孩，那么你的大脑会开始一个简单的分类算法，将人们分类为男性和女性的分类然后拒绝女性并在男性上应用平均身高分类器，如果找到合适的话，它会触发一个Hurray。

Answer 2

1. 据我所知，本文对多分类应用了一对一SVM。对于每个群集，线性SVM训练以确保群集内的补丁真正属于此类（1属于，0不属于）。基于训练模型，执行重新聚类。这部分是分类器。

2. 本文中探测器的命名只是将样本从相对较小的集合（发现）扩展到具有所有可能的图像和补丁（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来自所有其他来源（其他聚类和自然集）的补丁。 。请注意，虽然扩展了训练样本，但是用于聚类的样本不会改变。训练集的扩展只是为进一步聚类提供了更准确的相似性度量。

3. 函数名称* detect_top *可能与探测器有点混淆，但它只是通过选择看起来更像的其他聚类的补丁来调整聚类的一步根据上一步中训练过的分类器，属于当前群集。从第二个循环开始，这种经过训练的分类器包含来自自然数据集的信息。

分类器以群集（D）为目标，而探测器适用于整个数据集（D + N）。

Answer 3

基于视觉的对象检测算法通常包括图像特征检测器，其提供本地图像内容的数字描述，以及模式识别器，其对该本地图像内容进行分类，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为输入图像分配一个标签。