Python 赛车图像标记

我正在开发一个系统来简化我们的图像库，它可以每周增加7k到20k张新图片。具体应用是识别图片中的赛车（所有赛车的形状相似，喷漆方案不同）。我计划在项目的这一部分使用python和tensorflow

我最初的想法是用图像分类法对汽车图像进行分类；然而，图片中包含多辆汽车的可能性非常高。我的下一个想法是使用目标检测来检测车号（出现在所有车辆的固定位置[车头、车尾、两扇门和车顶]，并每周使用一致的字体）。最后是整车目标识别方法。从表面上看，这似乎是最实际的；但是，油漆方案的变化可能不够大

---

哪种方法会给我最好的结果？我已经提取了大量图像进行训练，显然不同的方法需要非常不同的训练数据集。

最好的方法是将所有3种方法作为一个模板使用。训练所有3个模型，并将输入图像传递给所有3个模型。然后，有几种方法可以评估输出

您可以对所有3个模型的所有类别的概率进行汇总，然后根据最高概率得出结论

您可以从每个模型中获得预测，并根据投票数决定：1。型号1，2。型号：2、3级。模型-class2==>class2

你可以做一些加权决策。所以，让我们假设第一个模型是最好的和最健壮的一个，但是你不完全相信它，你想看看其他模型会说什么。然后，可以将第一个模型的输出加权为0.6，将其他两个模型的输出加权为0.2

我希望这有帮助：）