对象检测和对象分类有什么区别？

Question

这两个任务是卷积神经网络的流行应用.但是,我不明白其中的区别.根据一个Caffe教程,似乎对象检测的任务更难.

对象检测是否定义了对象在图像中的位置,或者显示图像中有多少对象...？

Answer 1

差异在于.如果必须定义图像的类,则它与对象分类任务相关.如果必须在图像上定义对象的坐标,那么它就是对象检测任务.

要了解有关卷积神经网络在对象检测中的实际应用的更多信息,请阅读以下文章:http://rnd.azoft.com/convolutional-neural-networks-object-detection/

Answer 2

检测是识别的过程，分类是基于先前定义的类或类型对对象进行分类。虽然两者都基于对象的可辨别属性，但分类可以基于问题域并独立于检测而采用任意边界。

似乎物体检测的任务更难了。

一个是否比另一个更难取决于正在研究的特定属性、误差幅度、准确率等。例如，如果检测容差比分类更严格，那么它可能会被认为更难。但在检测和分类之间交替的迭代应用程序中，这可能不太容易分辨。

对象检测是否定义了对象在图像中的位置，或者显示图片中有多少对象......？

从技术上讲，检测应该是明确的，可能是一个布尔值 T 或 F。所有其他属性，例如位置、数量和所有其他属性都会输入到分类中。并不是说这些属性与检测无关，而是一旦检测到，任务现在就成为分类之一。精确线或转换发生的位置取决于特定的应用程序。

Answer 3

对象分类- 给你一张图像，将此图像分类到某个类，如苹果、公共汽车、森林等。
对象检测- 给你一张图像，找出该类是否存在补丁（或坐标）？例如 - 给定一个图像，预测图像中是否存在类（如橙子、卡车、狮子）。

通常问题涉及这两种技术。首先，您必须对给定图像进行对象检测并取出所需的补丁。然后应用分类来预测它的类别（两者也可以在同一步骤中进行）