Contents ...
udn網路城邦
何時應該放棄辨識?也是一大課題!能捨才有得嘛!
2020/05/11 07:58
瀏覽799
迴響0
推薦2
引用0

上面這一張不是我可以辨識的困難案例,而是我窮盡洪荒之力都還是無法辨識的失敗案例,而且讓我耗費了1.344秒的時間仍一無所獲!同時間,這種尺度(1280X720畫素)的影像,我的平均辨識時間是0.1幾秒。換言之,就是我耗費了大約八倍的時間卻沒有任何回報!

為何如此?每一張影像的辨識時間不是應該差不多的嗎?事實上是我的辨識核心會「盡力」嘗試辨識成功的!如果預設程序無法立即得到合理的答案,就會像機器學習或深度學習的概念,自行修改參數與程序嘗試再作一次辨識!差別是我如何調整參數的邏輯會盡量參考已知的資訊作決策,而不只是系統化的搜尋或盲目的亂猜,如果那樣辨識時間就會更久!

也因此,我可以辨識出很多困難的案例,如果不是資優生就放棄,整體的成功率當然不高了!就像後段班或偏鄉學生就不管他們,社會上可用的人才就會少很多了!即使如此,還是會有真的無法受教的極少數學生,這時就要看看我們的教學資源有多少?可以作補救教學到甚麼地步了!

畢竟真實狀況下,就是有無法辨識的困難案例,甚至可能該影像中根本就沒有車牌,我的辨識軟體當然不會事先就知道的!或者說,我應該在辨識過程中盡早想出更多合理的邏輯,更早就判斷出是不是真的有車牌?如果真的不可能辨識成功,我應該盡量早點作出放棄辨識的判斷!不然軟體使用者的感覺就是辨識程式卡住了!

說詳細一點,任何一張影像中我都會篩選出上百個可能是字元的目標,先從對比最強的目標嘗試組合出車牌,通常車牌就是最明顯的目標,一次就找到正確目標,辨識時間就是100多毫秒,甚至我可能在一張影像中找到多組合理的答案,就是多車牌辨識了!

如果找了五六組都失敗,也有可能只是二值化不洽當,讓目標字元破碎或過度沾連,我還會回頭修改二值化門檻,也會嘗試變成負片作辨識,讓白字的車牌也能被辨識出來!總之我的補救措施是很完備的,但是堅持急救到底的代價就是醫療資源過度消耗了!就像現在的防疫,不能讓輕症病患也都住進加護病房一樣!有限的辨識時間必須盡量用在可以辨識的案例,為了幾乎救不活的案例要花多少資源呢?就必須斟酌了!

所以我的辨識軟體雖然辨識核心是同一個程式,但是因應不同的狀況會有很多的參數變化,如果是動態辨識軟體,速度必須很快,絕對不能因為想搶救困難案例而卡住!但是因為影像是源源不絕的,即使放棄了一張還會馬上有角度距離略微不同的下一張,如果是可辨識的邊緣車牌,這張不行,下一張或許就可以了!拋棄影像不辨識不像搶救人命,沒關係的!

反之,如果是靜態辨識,同一車牌只有一張影像可以作辨識,當然就要盡力搶救了!但是要堅持到甚麼程度呢?就看時間有多少了!不可能的案例當然還是必須適可而止,不能永無止盡。今天我設定的工作目標就是來研究這些超時太久的案例,重點不是如何救活(辨識成功)?而是何時應該放棄!如果總是堅持一個都不能少,我的軟體就會很卡了!

能捨才有得,我今天的修練功課就是要「捨得」!

有誰推薦more
全站分類:心情隨筆 工作職場
自訂分類:不分類

限會員,要發表迴響,請先登入