图像检索和图像分类的区别

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'

该物种被归类为“弗吉尼亚”。这只是一张图片。这个分类过程可以称为“图像检索”吗？？？

或者我们是否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（最重要）不相交的数据集进行测试。

图像检索：给定查询图像，从数据库中获取与查询图像“最接近”的图像。现在，术语“最接近”可以与颜色、形状、纹理等相关。那么决定“最接近”的是什么 - 图像的特征向量，用户根据为满足其需求而设计的算法进行计算。

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

现在，继续您的问题：这不会被称为检索，因为它只是告诉我查询图像的类别，而不是为我提供类似的图像。现在你可能会争辩说，如果我对 100 张像这样的图像进行分类，如果 100 张图像中的 50 张属于某个类别，那么这些图像可以被视为相似的图像。这样对吗？在我看来，答案是否定的。考虑一个示例，您必须对有汽车和没有汽车的图像进行分类。在（完美）分类的情况下，所有 50 张图像肯定都有汽车。但是在（完美）检索的情况下，所有 50 个图像将有相同颜色的汽车或小型/大型汽车等。这就是区别。

您可以说检索到的最高图像可以作为分类结果。那是可能的。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），但情况与检索不同（据我所知）。因此，如果要进行分类，则不会取检索的最高结果，而是始终使用专用算法进行分类。

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。分类是您需要标签的地方，它是根据类别完成的（例如，汽车/没有汽车、人/没有人、自然/人造等）。

我希望这能澄清你的概念。