machine-learning - 分类和检测之间的区别

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.pdf2.1节中说:“我们将判别聚类的分类步骤变成检测步骤”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(然后仅存在输入=图像补丁，输出=类的所有类的分类器)，而使用“检测器”则仅定义一个分类器类(然后对于每个类都存在一个不同的检测器，输入=图像补丁，输出=是/否)。但在这句话之前，他说“对数据进行初始聚类后，为每个簇(类)学习一个判别性分类器”，然后，对于分类器来说，这意味着“对于每个类(簇)都存在一个分类器”。那么..区分分类器和检测会说什么？谢谢

Answer 1

分类是将元素放入不同垃圾箱的过程。

检测:检测是实际找出元素特征的过程

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，这就是检测。如果我要求您将他们分为 25 岁以下和 25 岁以上的两组，您将必须这样做，但大多数人都会感到困惑，因为他们也必须进行检测。他们可能会获得有关年龄组的信息，例如按年龄进入的人员列表，您可以查看该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。

大多数时候，在图像处理中，您会发现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 个容器)，或者使用边缘对图像部分进行分类。

重申一下，换句话说，检测器将继续工作直到检测到，仅此而已。如何使用该检测取决于您。有大量算法可以单独帮助检测，然后如果您想分类，可以使用神经网络或简单的手动分类。

当您开车时，您会向外观察并检测是否存在危险。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高度的男孩，那么你的大脑会启动一个简单的分类算法，将人们分为男性和女性，然后拒绝女性并对男性应用平均高度分类器，如果找到合适的分类器，就会引发欢呼。