Contents ...
udn網路城邦
影像辨識就是逢山開路遇水搭橋一步一步解決問題
2021/12/07 05:47
瀏覽700
迴響0
推薦4
引用0

上面是我整理舊程式時翻出來的早期(2014)車牌辨識的實驗程式,其實還有更原始的程式,要是拿目前玩的影像測試,辨識成功率大概一成都不到!即使是上面這張以目前來看簡單到不行的車牌影像,辨識還是錯誤的!笨拙的程度會讓我佩服自己當初愚公移山的勇氣與毅力!

現在大家一提到影像辨識就會想像著好多神奇的演算法,CNNMLDL等等,以為必須使用那些神奇到一般人都無法理解的演算法才夠酷?才可能達到辨識成功的神奇目標?但是我認為「登高必自卑,行遠必自邇」,再複雜的機器也一定是由簡單的物理概念與零件慢慢組織起來的!那些機器的價值不在於他們最終的複雜深奧狀態,而是他們能精確適用於你的需求

影像辨識不像下圍棋,既有的複雜演算法很難直接有效的套用到特定目的的影像辨識,但是正因為影像辨識的複雜性,現在已經極少有人願意像我一樣從基礎的問題做起,逐步精確地解決辨識流程中遇到的問題。但是我也看到越來越多的研發者,都是一開始就想導入複雜現成的AI演算法,但是始終無法精確解決問題達到高辨識率,所以也被迫返回地面,像我一樣地從原理與現象去研究影像辨識。

早知如此何必當初?演算法好不好?要看適不適合你的問題?所以盡信書不如無書,面對影像辨識的工作,你首先要做的不是選購演算法!而是研究你面對的問題!還不知道自己生了甚麼病,就開始看廣告選擇最好的藥?藥不對症就會藥到命除!還好演算錯誤不會出人命,所以就有一大堆「AI」專家整天只是不斷的研發與試用新藥!就是不肯專注研究問題本身?非常沒有效率。

表面上看起來我是愚公移山,走一條笨笨的路,一鏟一鏟的移除路障,但事實上每天都有穩定的進展,幾年之後我的高效率車牌辨識核心就研究出來了!過程中沒有太神奇的新數學被引用或被發明,也不是某天就有了神奇的創意大突破?只是每天都看到新的問題一一設法解決,方法複雜了就加以整合整理,有如一個國家的法律越修越周延,越修越順暢好執行!

我認為AI就應該是這個樣子玩的!研究問題是前提,找到適合的方法是後續,千萬不要被誤導演算法是走在前面的!譬如在亞熱帶的台灣,昂貴的貂皮大衣或高級的保暖羽絨衣其實是沒用的!還是會花大錢去買這類衣物的不是有錢人,而是笨蛋!

我好像常常批評CNNMLDL,但其實我不是說他們「不好」?而是我想用力的提醒大家:你研究清楚你面對的問題了嗎?你確定你的問題可以,或應該用這些數學方法嗎?事實上絕大多數的影像辨識問題並不適合使用這套方法,盲目亂踹高級(但不合用)的演算法,只會浪費時間一無所成,那就不如一開始就踏實地用簡單的方法逐步解決問題,好像慢一點其實最快可以達到目標。

有誰推薦more

限會員,要發表迴響,請先登入