结合多个来源集做出决定

Question

我正在一个项目中，我正在使用ocr-engine和tensorflow分别标识车牌号和车辆型号 。我还有一个database，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：

1. 图像输入
2. 使用OCR的车牌识别
3. 使用Tensorflow的车辆模型（例如现代，丰田，本田等）
4. 在database中查询（2.和3.）以查找所有者

现在，事实是ocr-engine并非100％准确，我们考虑将INDXXXX0007作为引擎的最佳结果。

当我在database中查询此结果时，我得到

设置1 ，

• 所有者1-INDXXXX0004（95％匹配）
• 所有者2-INDXXXX0009（95％匹配）

在这种情况下，我使用tensorflow数据做出决定

设置2 ，车辆型号显示处：

• 现代（95.00％）
• 本田（90.00％）

这是我的主要问题，tensorflow有时会给我假阳性值。例如，实际车辆是本田，但模型显示的现代（参考，Set2）更多confidence。

应该有什么可能的方法来避免此类问题，或者如何将这两种方法结合起来做出决定？