tensorflow - 结合多个源集做出决策
问题描述
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:
- 图像输入
- 车牌识别使用
OCR
- 使用的车型(例如现代、丰田、本田等)
Tensorflow
- 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?
解决方案
推荐阅读
- php - 尝试在 iis 上部署 wordpress 时出现 mod 安全错误
- html - 如何在移动版本中使两个 div 水平和两个 div 垂直?
- c# - Parseplatform .Net 核心
- php - 如何在 PHP 中获取特定值的字符串数组?
- event-listener - 如何在 ActivitiEventListener 中获取任务
- javascript - 如何在容器内显示滑块并结束直到视口
- python-3.x - 使用 AWS EMR 调用 MongoDB Atlas 时出现连接超时异常
- flutter - 添加 firebase crashlytics 后 Flutter IOS 应用程序构建错误
- ios - 使用 DCAppAttestService 生成的私钥
- python - 如何从 UI 接收用户输入,将其放在 Flask 中的 python 代码中?