tensorflow - 结合多个源集做出决策

Question

我正在做一个项目，我正在使用ocr-engine并tensorflow分别识别车牌和车型。我还有一个database包含车辆信息（例如，车主、车牌、车辆品牌、颜色等）。

简单流程：

1. 图像输入
2. 车牌识别使用OCR
3. 使用的车型（例如现代、丰田、本田等）Tensorflow
4. 查询（2. 和 3.）database以查找所有者

现在，事实ocr-engine并非 100% 准确，让我们将其视为INDXXXX0007引擎的最佳结果。

当我查询此结果时，database我得到

设置 1 ,

• 所有者 1 - INDXXXX0004（95% 匹配）
• Owner2 - INDXXXX0009(95% 匹配)

在这种情况下，我使用tensorflow数据做出决定

第 2 组，车辆型号显示：

• 现代 (95.00%)
• 本田 (90.00%)

这是我的主要问题，tensorflow有时会给我带来误报。例如，实际车辆是本田，但模型显示更多confidence的是现代（参考，Set2）。

避免此类问题的可能方法是什么，或者我如何将两组结合起来做出决定？

标签： tensorflowmachine-learningcombinationsocrprobability