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"分类和检测有什么区别？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的分类器FOR FOR CHACH CLUSTER(class)",然后,对于分类器,它意味着"对于每个类(聚类)存在一个分类器".然后..它会说区分分类器和检测？谢谢

Answer 1

分类是将项目放入不同箱的过程。

检测：检测是实际发现物品特征的过程

示例：如果我让你检测进入房间的人，你可能有一个程序来做到这一点，那就是检测。如果我让您将他们分为 25 岁以下和 25 岁以上两组，您将不得不这样做，但在这里，大多数人都感到困惑，他们也必须进行检测。他们可能已经获得了有关年龄组的信息，例如随年龄增长的人的列表，您可以查看这些信息并对他们进行分类，或者您可以通过询问他们的年龄然后对他们进行分类来使用简单的检测。

在图像处理的大部分时间里，您会看到检测是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，但是您可能会在其之上进行分类，例如将图像分类为黑白和彩色图片（2 个 bin），或者您使用边缘对图像部分进行分类。

只是重申，换句话说，检测器将一直工作到检测为止，仅此而已。您如何使用该检测取决于您。有很多算法可以单独帮助检测，然后如果你想分类，你可以使用神经网络或简单的手动分类。

当您开车时，您会四处张望并检测是否有危险。它可以是人、动物或任何其他车辆等。但是如果我让你寻找一个平均身高的男孩，那么你的大脑会启动一个简单的分类算法，将人分为男性和女性的垃圾箱，然后拒绝女性并对男性应用平均身高分类器，如果它找到合适的，那么它会触发一个欢呼声。

Answer 2

1. 据我了解，这篇论文在多分类上应用了一对一的SVM。对于每个簇，线性 SVM 进行训练以确保簇内的补丁真正属于该类（1 属于，0 不属于）。基于训练模型，进行重新聚类。这部分是分类器。

2. 论文中检测器的命名只是将样本从相对较小的集合（发现）扩展到包含所有可能的图像和补丁（自然）的巨大集合。从算法 I 的草图中可以看出，对于每个簇，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簇中的补丁和来自所有其他来源（其他簇和自然集）的补丁。请注意，虽然训练样本扩展了，但用于聚类的样本不会改变。训练集的扩展只是为进一步的聚类提供了更准确的相似性度量。

3. 函数名称 *detect_top* 可能与detector有点混淆，但这只是聚类调整的一个步骤，根据之前训练的分类器，从其他聚类中选择看起来更属于当前聚类的补丁。步。从第二个循环开始，这种经过训练的分类器包括来自自然数据集的信息。

分类器针对簇 (D)，而检测器针对整个数据集 (D+N)。