machine-learning - 分割和分类之间的区别

Question

我一直想知道分割和分类之间的真正区别。使用决策树算法进行分类与分割有什么区别？

Answer 1

分割，就像图像分割一样，意味着将图像的各个部分创建为在概念上有意义或易于进一步分析的片段。通常我们想要定位图像中的对象和边界。最简单的例子是从前景中删除背景。

您可以将其与边缘检测和计数检测联系起来。有多种方法可以做到这一点，例如使用 K-Means 进行聚类、压缩图像以减少纹理、边缘检测或马尔可夫场。

分类完全不同。在分类中，您想要找到给定数据项的标签。标签通常是预定义的类或类别 - 例如电子邮件是否是垃圾邮件，或者图像是否包含人类或动物。决策树是实现此目的的方法之一。

已经有关于借助分类算法来分割图像的实验。 Nikamanon's method (引用文献中的链接)尝试使用剪切算法创建太多分段，并根据是否是基于人为干预的良好分段使用分类来组合它们。他们的算法表现不佳，但表明分类可以用于此任务。

附:分割与聚类的关系比与分类的关系更大。