上面這個案例，我的辨識軟體真的可以不必先做全圖的旋轉，就能直接辨識出水平傾斜達67.62度的車牌！而且因為目標很明顯，背景雜訊也不多，對我的程式來說是水平0度？或傾斜67度？都是同樣的SOP！所以辨識時間只需要46毫秒！非常非常的快！當然也絕對不需要GPU幫忙的！一般規格的電腦就那麼快了！

相對的！你可以想像使用深度學習要如何做出一樣的辨識能力嗎？你需要多少各種角度的資料？你找得到那麼多資料嗎？如果資料不足必須自己做虛擬資料那會多麻煩費事？做出的假資料會符合物理定律與事實嗎？而且你需要多複雜，多少個隱藏層(Hidden layer)的模型才能看得懂幾乎是任何角度傾斜，還加上側視變形的車牌？即使你有再多的算力，面對無限的變形可能性，還是非常渺小卑微的！你的資料絕對不足，算力也一定不夠的！即使資料算力都夠，你的命都不夠長來完成跟我一樣的成果！

但是對我來說，我不需要太多資料，就可以用OCR技術建立出找到車牌字元目標的程式，接下來就是找到合理的排列群組，再從群組的排列方式找到傾斜與變形的參數，它們不會是隨機扭曲的！任何車牌影像的變形一定會遵守物理上的視角定律，除非車牌本身被折彎了！所以這種幾何學的校正過程不會太深奧！就是立體空間中物體的平面投影而已，高中的數學程度大概就夠用了！

車牌一旦扭正之後就是很直覺的字模比對了！根據這個程序做法我只需要少量的傾斜車牌影像就可以做研究了！很快就可以上線測試使用，如果發現例外辨識錯誤失敗時，我也可以很快分析辨識流程，加以優化改善！所以我的售後服務也可以做得很快、很好、也很簡單！這是皆大歡喜的局面！

如果你是用深度學習跟我做一樣的工作呢？那幾乎是完全無解的大災難！所以市場上其實根本看不到有競爭力的深度學習車牌辨識產品！簡單說就是：研發成本實在太高，辨識率卻沒有比較高！即使做出產品也一定需要昂貴的GPU電腦才跑得動！價格太貴了，很難賣啊！這就是使用ML、DL與CNN的所謂AI影像辨識團隊集體的難言之隱！我呢？從來就沒有這種問題！天天在此幸災樂禍之中！

所以在商言商的話，其實我還有點希望這個用深度學習可以做影像辨識的世紀大騙局再持續久一點！我的車牌辨識產品優勢就會持續擴大，也延續更久！我的苦口婆心其實是在做功德的啦！也是習慣了有話直說的科學研究精神！我明明是在做對的事情，當然大聲說話是我的基本權利嘛！

其實廢話不必多說，如果深度學習做的車牌辨識真的夠強，那就學我一樣做個測試網頁讓大家體驗不就好了？如果永遠只是空話，遲早會被看穿只是國王想像中的新衣而已！這麼簡單的事為何不敢做？不敢讓公眾評價？我的雲端網頁都掛了七八年了！當然我的車牌辨識也不是萬能！但是好壞到甚麼程度？我從來不怕人知道的！競相吹牛打高空比廣告詞是沒有意義的！面對現實吧！不要再自欺欺人了！