Tensorflow 组合多个源集以做出决策
我正在从事一个项目,在该项目中,我使用Tensorflow 组合多个源集以做出决策,tensorflow,machine-learning,combinations,ocr,probability,Tensorflow,Machine Learning,Combinations,Ocr,Probability,我正在从事一个项目,在该项目中,我使用ocr引擎和tensorflow分别识别车辆牌照和车辆型号。我还有一个数据库,其中包含车辆信息(例如,车主、车牌、车辆品牌、颜色等) 简单流程: 图像输入 使用OCR进行车牌识别 使用Tensorflow的车型(如现代、丰田、本田等) 在数据库中查询(2.和3.)以查找所有者 现在,事实是 OCR引擎< /代码>不是100%准确,让我们考虑 UnxXXX007 0/COD>引擎的最佳结果。 当我在数据库中查询这个结果时,我得到 设置1 所有者1-indxx
ocr引擎
和tensorflow
分别识别车辆牌照和车辆型号。我还有一个数据库
,其中包含车辆信息(例如,车主、车牌、车辆品牌、颜色等)
简单流程:
OCR进行车牌识别
数据库中查询(2.和3.)以查找所有者
数据库中查询这个结果时,我得到
设置1
- 所有者1-
indxx0004
(95%匹配)
- 所有者2-
indxx0009
(95%匹配)
在这种情况下,我使用tensorflow
数据来做出决策
设置2,其中车型显示:
- 现代(95.00%)
- 本田(90.00%)
我的主要问题来了,tensorflow
有时会给我假阳性值。例如,实际车辆是本田,但该车型对于现代(参考,Set2)显示出更大的信心
避免此类问题的可行方法是什么,或者如何将这两种方法结合起来做出决定?