load fisheriris
xdata = meas(51:end,3:4);
group = species(51:end);
svmStruct = svmtrain(xdata,group,'showplot',true);
species = svmclassify(svmStruct,[5 2],'showplot',true)
hold on;plot(5,2,'ro','MarkerSize',12);hold off
上面的代码给出了结果---＆gt; species ='virginica'
该物种被归类为“virginica”。这只是一张图片。这种分类过程可以称为“图像检索”吗？
或者我们是否必须检索许多图像，以便将其称为图像检索？
答案 0 :(得分：3)
图像分类：在称为训练集的数据集上训练模型，然后使用与训练集不相交的数据集进行测试（最重要的）。
图像检索：给定查询图像，从数据库中获取“最接近”的图像到查询图像。现在，术语“最接近”可以是关于颜色，形状，纹理等。因此，决定“最接近”的是什么 - 图像的特征向量，用户根据设计的算法计算以满足他的需要。
分类和检索之间的主要区别：分类需要标签用于训练数据，检索不需要。检索是一种纯粹的基于距离的方法。
现在，继续讨论你的问题：这不会被称为检索，因为它只是告诉我查询图像的类，而不是向我提供类似的图像。现在你可能会争辩说，如果我将这样的100张图像分类，如果50属于某个类，那么这些图像可以被视为相似图像。它是否正确？在我看来，答案是否定的。考虑一个例子，你必须分类有汽车而不是汽车的图像。在（完美）分类的情况下，所有50个图像肯定会有汽车。但是在（完美）检索的情况下，所有50个图像将具有相同颜色的汽车或小型/大型汽车等。这是不同的。
您可以说顶部检索到的图像可以作为分类结果。这是可能的。但同样，我们有非常强大的分类算法（例如，SVM，随机森林，Boosting，多实例学习等），但案例与检索不一样（就我的知识而言）。因此，如果要执行分类，则不会获取检索的最高结果，您将始终使用专用算法进行分类。
总而言之，如果一个过程不需要标签并且它根据某些属性（颜色，纹理，形状等）进行检索，则称该过程称为检索。分类是您需要标签的地方，它是根据类别进行的（例如，汽车/无车，人/无人，自然/人造等）。
我希望这能澄清你的概念。