Contents ...
udn網路城邦
可以回診的車牌辨識系統
2019/02/21 09:38
瀏覽824
迴響0
推薦8
引用0

我的車牌辨識系統會越來越厲害,一個主要原因是:我賣出去的東西永遠都可以「回診」!任何在客戶端無法辨識或錯誤的案例,我都歡迎他們丟回來給我研究。只要是人眼看得清楚,我的軟體卻看不懂的,就是會讓我興奮的研究目標!雖然不是永遠都能醫好所有「病症」!但是總能從個案分析中知道它是怎麼死的?如果醫不好,就將「病理切片」留下來,或許稍後就會想出新解法了!

兩個多月前,我賣了一套可以辨識360度任意旋轉方向的車牌辨識引擎給了高雄某科技公司,他們用來處理大量路邊開單員手拍的照片,或許是趕時間吧?那些照片真的甚麼方向的都有!很多甚至是垂直的!對於一般市售系統來說,傾斜到10度以上就無解了!我的標準版核心本來就可以辨識到±45度,加上一些額外程序就360度都能辨識了!

不只是旋轉角度的問題,斜視造成的變形其實更麻煩!矩形的車牌在3D立體世界中拍出來的影像,其實是一個「任意四邊形」!常見的車牌辨識標準程序中,偏離矩形稍大的車牌就無法在全景影像中鎖定了!我的辨識程序不一樣,是先鎖定車牌「字元」的,所以有機會重組出變形的車牌,但是這些有智慧的程序還是一些演算法,一樣會有處理不到的極限,沒有剛好踢到這些漏洞的資料,我可能永遠都不會發現這些漏洞。

昨天該客戶就擲回11張無法辨識及辨識錯誤的照片,今天一早趁著精神飽滿智商還很高的時候,一一望聞問切仔細看病,追蹤每張圖在辨識過程中迷途失敗的原因。抓到病根後,多數都是微調參數,或增刪一些限制或加權計分條件就治好了!治好9張,還是有兩張無解!

老實說我的車牌辨識研究一開始就是且戰且走,以戰養戰的!用少數資料做出雛形,賣出去後發現有很多缺點,立即接受客訴,加班處理好!但是經過兩三年之後,其實早已經比絕大多數的車牌辨識核心能力都更強了!我其實可以像其他車牌辨識廠商一樣,就是不輕易修改核心(可能也不會改吧?),跟客戶說辨識有極限就好了!請客戶自己調整影像品質就能辨識了,多數客戶都能接受的!

但我是習慣做研究的教授出身,如果不能跟客戶解釋清楚辨識失敗的原因,我就會坐立不安,覺得自己沒學問!所以即使是我不能治好的案例,也會跟客戶詳加說明,雖然因此透露了我的極限,但我不介意的!反正我會繼續進步嘛!因為我的東西夠好了,加上好到接近雞婆的售後服務,至今沒有一次被客戶抱怨的!

不過大家要小心了!如果你買的是以「機器學習」為基礎的車牌辨識系統,就一定沒有這種可以得到診斷服務的機會!因為是「機器」學會了如何辨識車牌,不是賣你軟體的人,甚至「製作」那種軟體的工程師,都不知道「機器」為何要這麼做?你只能去問「機器」為何某張影像會辨識錯誤?但是顯然它是不能用你能懂的話跟你解釋的!我稱這種情況是:盲人騎瞎馬!

而且機器學習是以統計以及嘗試錯誤為基礎建立辨識程序的,執行效率必然很差,辨識率低,速度也一定很慢!所以目前真正能賣的車牌辨識系統,沒有一家是真的使用機器學習為主體的!千萬別上當了,一聽到機器學習或深度學習就以為見到大神了!在車牌辨識領域那不是神,應該就是騙子!

有誰推薦more
你可能會有興趣的文章:

限會員,要發表迴響,請先登入