我在阅读以下文章以完成我的硕士论文：http://graphics.cs.cmu.edu/projects/discriminativePatches/discriminativePatches.pdf在第2.1节中提到：“我们将判别性聚类的分类步骤转变为检测步骤”。分类与检测的区别是什么？最初我认为“分类器”意味着它将定义更多类别的分类器（然后存在一个针对所有类别的分类器，输入=图像块，输出=类别），而“检测器”则是一个单一类别的分类器（然后对于每个类别都有一个不同的检测器，输入=图像块，输出=是/否）。但在那句话之前，他说“数据的初始聚类之后，对每个聚类（类别）学习一个判别性分类器”，那么，使用分类器也意味着“对于每个类别（聚类）都有一个分类器”。那么，分类器和检测的区别是什么呢？谢谢

回答：

1. 据我所知，该论文在多类分类中应用了一对多SVM。对于每个聚类，线性SVM训练以确保聚类内的图像块确实属于该类别（1表示属于，0表示不属于）。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图像块的巨大集合（自然）。如算法I的草图所示，对于每个聚类，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聚类中的图像块与来自所有其他来源的图像块（其他聚类和自然集合）。请注意，尽管训练样本扩展了，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*detect_top*可能与检测器有些混淆，但它只是根据前一步训练的分类器，通过选择看起来更像是属于当前聚类的其他聚类的图像块，来调整聚类的一步。从第二个循环开始，这样的训练分类器包括了来自自然数据集的信息。

分类器针对聚类（D），而检测器适用于整个数据集（D+N）。