เครือข่ายประสาทเดี่ยวสามารถจัดการกับวัตถุสองชนิดหรือไม่หรือควรแบ่งออกเป็นสองเครือข่ายขนาดเล็ก?

โดยเฉพาะอย่างยิ่งคอมพิวเตอร์ฝังตัว (ที่มีทรัพยากร จำกัด ) จะวิเคราะห์วิดีโอสตรีมสดจากกล้องจราจรพยายามเลือกเฟรมที่ดีที่มีหมายเลขทะเบียนรถยนต์ที่ผ่าน เมื่อแผ่นตั้งอยู่กรอบจะถูกส่งมอบให้กับห้องสมุด OCR เพื่อแยกการลงทะเบียนและใช้งานต่อไป

ในประเทศของฉันมีป้ายทะเบียนสองแบบที่ใช้กันทั่วไป - สี่เหลี่ยม (ทั่วไป) และสี่เหลี่ยม - จริง ๆ แล้วค่อนข้างเป็นสี่เหลี่ยม แต่ "สูงกว่ากว้าง" โดยการลงทะเบียนแบ่งออกเป็นสองแถว

(มีบางประเภทเพิ่มเติม แต่ให้เราไม่สนใจพวกเขาพวกเขาเป็นเพียงเล็กน้อยและมักจะเป็นยานพาหนะที่อยู่นอกความสนใจของเรา)

เนื่องจากทรัพยากรมี จำกัด และต้องการการประมวลผลแบบเรียลไทม์ที่รวดเร็วขนาดสูงสุดของเครือข่าย (จำนวนเซลล์และการเชื่อมต่อ) ระบบสามารถจัดการได้

มันจะดีกว่าไหมที่จะแบ่งสิ่งนี้ออกเป็นสองเครือข่ายที่เล็กลงแต่ละอันรู้จักชนิดของแผ่นป้ายทะเบียนหนึ่งประเภทหรือเครือข่ายเดียวที่ใหญ่กว่าจะจัดการกับทั้งสองประเภทได้ดีขึ้นหรือไม่

ฉันไม่ทราบว่าคุณใช้ฟีเจอร์ประเภทใดในเครือข่ายประสาทของคุณ อย่างไรก็ตามโดยทั่วไปฉันจะไปกับเครือข่ายประสาทเดียว ดูเหมือนว่าคุณไม่มีข้อ จำกัด ด้านทรัพยากรสำหรับการฝึกอบรมเครือข่ายของคุณและปัญหาเดียวคือทรัพยากรในขณะที่คุณใช้เครือข่ายของคุณ

สิ่งที่อาจเป็นไปได้ว่าปัญหาทั้งสองมีสิ่งที่เหมือนกัน (เช่นแผ่นทั้งสองประเภทเป็นรูปสี่เหลี่ยมผืนผ้า) ซึ่งหมายความว่าหากคุณใช้เครือข่ายสองเครือข่ายแต่ละเครือข่ายต้องแก้ไขปัญหาย่อยเดียวกัน (ส่วนทั่วไป) อีกครั้ง หากคุณใช้เครือข่ายเพียงเครือข่ายเดียวส่วนของปัญหาจะใช้เซลล์ / น้ำหนักน้อยลงในการแก้ไขและสามารถใช้น้ำหนัก / เซลล์ที่เหลือเพื่อการรับรู้ที่ดีขึ้น

ในท้ายที่สุดถ้าฉันอยู่ในสถานที่ของคุณฉันจะลองทั้งสองอย่าง ฉันคิดว่านั่นเป็นวิธีเดียวที่จะมั่นใจได้ว่าอะไรคือทางออกที่ดีที่สุด เมื่อพูดตามหลักเหตุผลมันเป็นไปได้ที่เราจะไม่รวมปัจจัยบางอย่าง