क्या एकल तंत्रिका नेटवर्क दो प्रकार की वस्तुओं को पहचान सकता है, या इसे दो छोटे नेटवर्क में विभाजित किया जाना चाहिए?

Question

विशेष रूप से, एक एम्बेडेड कंप्यूटर (सीमित संसाधनों के साथ) एक ट्रैफ़िक कैमरे से लाइव वीडियो स्ट्रीम का विश्लेषण करता है, अच्छे फ्रेम लेने की कोशिश करता है जिसमें पासिंग कारों के लाइसेंस प्लेट नंबर होते हैं। एक बार एक प्लेट स्थित होने के बाद, फ्रेम को पंजीकरण निकालने और इसे आगे उपयोग करने के लिए ओसीआर लाइब्रेरी को सौंप दिया जाता है।

मेरे देश में दो प्रकार की लाइसेंस प्लेटें आम उपयोग में हैं - आयताकार (विशिष्ट) और वर्ग - वास्तव में, कुछ आयताकार लेकिन "व्यापक से अधिक", दो पंक्तियों में पंजीकरण विभाजन के साथ।

(कुछ और प्रकार हैं, लेकिन हमें उनकी उपेक्षा करनी चाहिए; वे एक छोटे प्रतिशत हैं और आमतौर पर ऐसे वाहनों से संबंधित हैं जो आपकी रुचि के बाहर हैं।)

सीमित संसाधनों और तेजी से, वास्तविक समय प्रसंस्करण की आवश्यकता के कारण, नेटवर्क का अधिकतम आकार (कोशिकाओं और कनेक्शनों की संख्या) जो सिस्टम को संभाल सकता है, तय हो गया है।

क्या इसे दो छोटे नेटवर्क में विभाजित करना बेहतर होगा, प्रत्येक एक प्रकार की पंजीकरण प्लेटों को पहचानता है, या क्या बड़ा एकल नेटवर्क दो प्रकारों को बेहतर तरीके से हैंडल करेगा?

Answer 1

खैर, मुझे नहीं पता कि आप अपने तंत्रिका नेटवर्क को किस प्रकार की सुविधाएँ दे रहे हैं। हालांकि, सामान्य तौर पर, मैं एक एकल तंत्रिका नेटवर्क के साथ जाऊंगा। ऐसा लगता है कि आपको अपने नेटवर्क के प्रशिक्षण के लिए संसाधनों में कोई सीमा नहीं है और अपने नेटवर्क को लागू करते समय एकमात्र समस्या संसाधनों की है।

बात यह है कि शायद दो समस्याओं में चीजें समान हैं (जैसे दोनों प्रकार की प्लेटें आयताकार हैं)। इसका मतलब है कि यदि आप दो नेटवर्क का उपयोग करते हैं, तो प्रत्येक को एक ही उप-समस्या (सामान्य भाग) को फिर से हल करना होगा। यदि आप केवल एक नेटवर्क का उपयोग करते हैं, तो समस्या का सामान्य हिस्सा हल करने के लिए कम सेल / वेट लेता है और शेष वज़न / सेल को बेहतर पहचान के लिए नियोजित किया जा सकता है।

अंत में, अगर मैं आपकी जगह होता तो मैं दोनों की कोशिश करता। मुझे लगता है कि वास्तव में सबसे अच्छा समाधान होने का एकमात्र तरीका यही है। सैद्धांतिक रूप से बोलते समय यह संभव है कि हम कुछ कारकों को शामिल न करें।