logo标签列表

目标检测和目标分类有什么区别？

neural-networkconvolutiondeep-learning
15

这两个任务都是卷积神经网络的流行应用。然而，我不理解它们之间的区别。根据Caffe教程中的一篇文章，似乎目标检测任务更加困难。

目标检测是指确定图像中物体的位置，还是揭示图像中有多少个物体...？

我投票关闭此问题，因为它在这里是不相关的，应该在人工智能堆栈交换等网站上提问。 - nbro
4个回答
10

区别在于，如果你需要定义一张图片的类别，那么它与物体分类任务相关。如果你需要在图片上定义一个对象的坐标，则属于物体检测任务。

要了解卷积神经网络在物体检测方面的实际应用，您可以阅读此文章：http://rnd.azoft.com/convolutional-neural-networks-object-detection/

目标识别在这里的应用是什么？ - Rohan Saxena
6
检测是识别的过程，分类是根据先前定义的类别或类型对对象进行分类。虽然两者都基于对象的可辨识属性，但分类可以根据问题域而采取任意界限，与检测无关。

看起来目标检测的任务更难。

无论哪一个更难取决于所研究的特定属性、误差范围、准确率等。例如，如果检测比分类有更严格的容差，则可能被认为是更困难的。但在交替进行检测和分类的迭代应用中，哪个更难可能并不那么容易确定。

目标检测是否定义了对象在图像中的位置，或者揭示了图片中对象的数量...？

从技术上讲，检测应该是明确的，可能是布尔值T或F。所有其他属性，如位置、数量和所有其他属性都输入到分类中。这并不是说这些属性与检测无关，而是一旦检测到，任务现在变成了分类。精确的界限或转换发生的位置取决于具体的应用程序。
明确的检测一开始也是我所考虑的，直到我看到这个Caffe网站上的第四张幻灯片，这就让我感到困惑了。 - Ren
而且，这个网站 似乎也表明，分类是导致明确的 T 或 F 的原因。 - Ren
请阅读您提供的链接中的下一张幻灯片，以进一步澄清。分类可以是真/假，但也可以包括许多类别。分类过程可以分配任何一个或没有这些众多类别中的任何一个。 - Emacs User
6
对象分类 - 给定一张图像，将其分类为某些类别，如苹果、公共汽车、森林等。
对象检测 - 给定一张图像，查找是否存在一个路径（或坐标），该路径中包含所需的类别？例如- 给定一张图像，预测其中是否存在类似橙子、卡车、狮子等的类别。

通常的问题涉及到这两种技术。首先您需要对给定的图像进行对象检测，并取出所需的路径。然后应用分类来预测其类别（这两者可以合并成同一个步骤）。
1

目标检测回答了一个问题：“是否检测到了目标？”（是/否）。任何不是二元的都属于目标分类或目标识别（例如，人脸识别而非人脸分类）。在图像中，“识别”这个术语通常更合适，因为总会存在一些不确定性，并且“识别”反映了在图像目标检测中发现的具体问题。

网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接