各位知道為什麼很多人說CNN，就是類神經網路，的辨識方法很厲害嗎？關鍵就是傳統的OCR辨識必須經過二值化目標切割的程序，碰到如上這麼模糊的影像要將字元正確切割出來幾乎是不可能的！但是CNN是直接用特徵矩陣去掃描原圖影像的！只要有個模糊的影子，某些特徵有點像是某個字？就可以經過訓練學習統計後抓(判斷)出來了！

但是CNN的問題是因為事前不會知道字元到底是多大？位置在哪裡？是不是有歪斜變形？等等，所以只能盲目的地毯式搜尋全影像，計算量會超級的大，大到必須努力研發YOLO等技術，在不脫離CNN的架構下盡可能減少運算量。即使如此，最終運算量還是大於OCR數十倍！所以必須仰賴GPU來消化過多的運算量，不然影像辨識就會慢到讓人抓狂了！這也間接讓CNN變成高價位昂貴辨識系統的商標了！

我的辨識技術是以OCR為基礎的！我碰到的問題跟CNN不同，我可以很快速地找到可能是車牌的目標，如下圖。但是顯然它們還不足以讓我辨識出每一個字元！所以我就針對可能的目標區做進一步的幾何投影校正，及影像增強處理，然後再從這些已經比原圖更清楚的小影像中做精準的CNN特徵字模掃描！

所以我終究還是利用到了CNN的模糊辨識能力！可以正確辨識出如上圖這麼模糊的車牌！所以任何人都不能說我的影像辨識技術有任何地方不如CNN了！而且我不必做地毯式的CNN全圖掃描，所以完整的全圖辨識時間還是只需要約0.2秒！當然因為計算量不大就不需要GPU，使用我的軟體就不必買昂貴的電腦硬體了！

所以大家不必再爭論是OCR比較好？還是CNN比較厲害了？答案是兩者可以水乳交融充分整合！你只需要知道逸中軟體的車牌辨識包含了兩大主流技術的精華！兼具OCR與CNN的辨識優點，辨識又快又準又便宜就好了！