這是我掛在辦公室牆上的一篇論文發表海報的一部份，那是高雄應用科大辦的2015光電與通訊工程應用研討會，當時都已經不當教授了，還去發表甚麼論文？其實是去打廣告兼徵人的！事實上都沒達到目的，去研討會的都是教授研究生，沒人會買車牌辨識軟體的！有潛力將就業的國立科大研究生也不會看上我這個鄉下小公司，沒人會來被我召募的！

甚至主辦單位看我們只是業界公司，直接就不讓我們口頭發表(Oral)，這種「沒價值」的研究，讓你貼個海報(Poster Presentation)就算了！結果是到了現場進行海報評分的教授們細看之下大為驚豔，應該有點後悔沒給我一個專題演講的機會吧？只能盡力的給了我們一個海報首獎！

這張海報花了400元去印製，相當精美，之後就是公司裡固定的布景了！每一位來拜訪的客戶都會給他們看看，解說一下我的基本辨識技術流程。我的目的是讓客戶感覺到我們真的是研發型的公司，不是系統整合式的軟體公司，每一個影像辨識專案或產品，我們都是自己從最底層原始碼開發到完成，完全不會套用或引用任何套裝軟體(引擎？)或程式模組，連開放原始碼的OpenCV我們都完全不用的！

在我們眼裡，每一個辨識議題，我們看到的是物理的事實，與拍攝此事實的影像，接下來就是設計如何：簡化→摘要→分析→解答的過程。雖然說是作「影像」辨識，但是我們知道影像來自真實的物理世界，我們要辨識的目標也是一個物理上的實體或現象，整個辨識過程的設計我們都會一直提醒自己「物理」的原理與限制！「物理」就是指導規範我們整個影像辨識過程的導師！

當然，物理現象弄清楚了，接下來就是找到適當的數學模式去描述表達量化，最後將這些數學演算法寫成可以執行的程式。在我們的認知中沒有一種演算法本身就可以解決問題，他們都是配合需要解決的物理問題而被選用的！邏輯對了也不會有任何一種程式語言會無法算出正確的結果，可能有差別的只是執行效能。但如果像是微軟作業系統下的C++，C#與VB都是使用一樣的.NET基底函式庫，快慢根本是你的演算法設計好不好的問題，跟程式語言一點關係都沒有！

我的這種理念做法在目前的影像辨識領域中，算是很特別的！因為影像辨識技術比較複雜，需要用到很多演算法與程式設計的技巧，大家都迴避直接面對真實的問題本身，與程式技術的基本功，只想找到快速完成商業軟體的捷徑，因此「據說很好」的程式工具與方法總是喧賓奪主！譬如很多人愛說：

不用C++作影像辨識都是業餘的！用VB作？我懶得理你！

不懂類神經網路與機器學習？你根本是影像辨識的門外漢！

不用GPU運算你的程式鐵定很 Low 啦！

OpenCV超強的！不用它你就落伍了！沒資格談影像辨識。

甚麼程式都自己刻？哪那麼多美國時間啊！你的公司一定會倒的！

我稱以上說法為「幹話」，會這樣說話的人本身確定是個半吊子，甚至根本是外行！幾年前我真的不懂他們說的這些東西有沒有道理？但我已經開始用我自己熟知的傳統科學概念，以及我熟悉的程式語言(VB)開始作影像辨識了！隨著我接連成功作出了車牌辨識、文件辨識與動態辨識各種效能極佳的軟體，我也逐步涉獵瞭解了這個領域中「別人」都說很重要的技術！

我還是沒有被這些人說中！繼續用VB，沒有使用GPU，沒使用機器學習或OpenCV，甚麼程式都是自己「刻」的，最多複製拷貝自己的舊程式片段，我的公司進入第四年了，還沒倒！而且我的程式效能好到讓來訪的客戶會低頭去看我桌下擺的電腦，懷疑我是不是在用特殊的超級電腦？一千兩百萬畫素的多車(五輛機車)辨識居然只用了0.68秒？怎麼可能？我當然沒有作弊！用的就是一般商場可以買到的電腦，一切的神奇表現都只是紮實精確的科學研究結果，包含物理與演算法，跟工具好壞無關！

我的結論是：那些「專家」們渾然忘了我們還是在物理世界之中！人工智慧也無法突破光速限制的！掌握、分析、理解物理事實才是影像辨識的根本！就像想變成好球員，不談如何練球練體能，只討論要穿哪種球鞋？要買哪一種球？好像籃球買對了，鞋子穿對了，你就會變成喬丹？那是腦袋不清楚捨本逐末！工具就是工具！永遠不能取代真正的研究。反之，研究正確精準了，就像武俠小說中說的，內功強大了，飛花摘葉都能傷人，還講究要甚麼倚天劍屠龍刀才能當武林盟主嗎？