这两项任务是卷积神经网络的流行应用。但是，我不明白其中的区别。根据一个Caffe教程，似乎对象检测的任务更难。
对象检测是否定义了对象在图像中的位置，或者显示图片中有多少对象...？
答案 0 :(得分：7)
差异在于。如果必须定义图像的类，则它与对象分类任务相关。如果必须在图像上定义对象的坐标，那么它就是对象检测任务。
要了解有关卷积神经网络在对象检测中的实际应用的更多信息，请阅读以下文章：http://rnd.azoft.com/convolutional-neural-networks-object-detection/
答案 1 :(得分：4)
检测是识别和分类的过程，是基于先前定义的类或类型对对象的分类。虽然两者都基于对象的可辨别属性，但是分类可以基于问题域而具有任意边界并且独立于检测。
似乎对象检测的任务更难。
一个是否比另一个更难取决于所研究的特定属性，误差范围，准确率等等。例如，如果检测的容差比分类更严格，那么它可能被认为更难。但是在一个迭代的应用程序中，在检测和分类之间交替进行，这更难以说清楚。
对象检测是否定义了对象在图像中的位置，或者显示图片中有多少对象...？
技术检测应该是明确的，可能是布尔值T或F.所有其他属性，例如位置，数量和所有其他属性都归入分类。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之一。那些精确的线或转换发生的地方取决于具体的应用。
答案 2 :(得分：4)
对象分类 - 为您提供图像，将此图像分类为Apple，bus，forest等类。
对象检测 - 您将获得一个图像，找出是否存在该类存在的补丁（或坐标）？例如 - 给定图像预测图像中是否存在类别（如橙子，卡车，狮子）。
通常问题涉及这两种技术。首先，您必须对给定图像进行对象检测并取出所需的补丁。然后应用分类来预测它的类别（两者也可以在同一步骤中进行分组）
答案 3 :(得分：1)
对象检测回答问题＆＃34;是否检测到对象？＆＃34; （是/否）。任何非二元的东西都是对象分类或对象识别（例如，面部识别，而不是面部分类）。对于图像，术语＆＃34;识别＆＃34;通常是更合适的，因为总是存在一些不确定性和＆＃34;识别＆＃34;反映了图像中物体检测中发现的那些具体问题。