赛车图像标记

Question

我正在开发一个系统来简化我们的图片库，它可以每周增加7k到20k的新图片。具体的应用是识别图片中的赛车（所有的赛车都是相似的形状和不同的油漆方案）。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汽车编号（在所有汽车的固定位置（鼻子、尾巴、两个车门和车顶）上显示，并且每周都保持一致的字体）。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

哪种方法能给我最好的结果？我提取了大量的图像进行训练，显然不同的方法需要非常不同的训练数据集

Answer 1

最好的方法是将这三种方法都用作诱饵。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

1. 你可以将所有3个模型的所有类的概率相加，然后根据最大概率得出结论

2. 您可以从每个模型中获得预测，并根据投票数进行决定：1.模型-类别1，2.模型-类别2，3.模型-类别2==>；2级

3. 你可以做一些类似加权决策的事情。所以，假设第一个模型是最好的，也是最健壮的，但是你不能百分之百信任它，你想看看其他模型会怎么说。第一个模型的输出权重为0.6，其他两个模型的输出权重为0.2

我希望这有帮助：）