上面這個狀況很有趣！一個人工繪製的框線直接切過了數字面板，變成超強烈但也是明顯可預期的特徵雜訊！客戶說他手邊只有這種已經被之前使用的軟體「汙染」過的影像時，我很霸氣的說：「小事一樁！我一定可以不受影響辨識成功！而且很快就能搞定！絕對不會需要大量資料讓電腦去「學習」的！

事實也是如此！其實我處理這個辨識的過程很容易理解，雖然這個字被插上一枝長棍子變成串燒了？基本的OCR是無法獨立切割(看到)這個2字的！但是他的鄰居都是清晰可辨識的字，我也知道這個面板上會有一連串等距離的數字，如果發現有個位置應該有字卻沒字？那就強制挖出那個區塊來看最像甚麼字就搞定了！幾乎完全不會錯的！

重點是我必須精準掌握我的每一個辨識過程的細節！如何偵測到異常狀況(缺字)？應該啟動例外處理程序(補字)？都是根據明顯的事實與一般人都有的常識推理設計的！一點都不神秘！也不需要很多資料才能讓我的軟體「學會」處理這種異常狀況！所以我總覺得機器學習的概念很奇怪？甚麼簡單具體也明顯的狀況都說需要很多資料去「學習」？真的是吃飽太閒脫了褲子放屁！

等他們做完那些愚蠢的事情時，我早已完工驗收請款入帳了！你說是誰比較AI呢？把機器學習與深度學習的做法當做影像辨識的主軸？這真的是太侮辱我們正常人的智慧了！事實是99%以上的影像辨識需求都不必使用那些技術的！除非你就是笨到那個程度？或是覺得非用上GPU才算跟得上潮流？堅持使用XX學習的人大概是家裡的錢多到花不完吧？