我的車牌辨識不只是在歪斜辨識方面表現亮眼，在動態模糊的辨識方面也是很厲害的！因為我的辨識速度看起來也很快，所以大家可能誤以為我有甚麼密技？但事實上沒有甚麼神祕就是「勤勞」而已！

如上的實驗介面其實是告訴大家我的辨識流程不是只有一個SOP，其實我有五套劇本！分別以：M1、L2、H3、X4與Y5代表，每種方案都對特定的影像狀況有較佳的辨識效果，M1就是最通用的一般狀況了！選A時其實就是全力辨識的意思，五套劇本如有需要全部都會用上！較趕時間的動態辨識就可能只限定用前面一兩個較為廣用的方案了！

以上面這個例子來說，有辨識出結果的是方案1與方案4，比對兩個答案的位置之後就知道它們在同一個位置，是同一個車牌，那就取分數較高的輸出了！可見我的辨識是鴨子划水，絕對不是吃一顆萬靈丹就可以了！而是如螞蟻雄兵一般，不斷嘗試用各種招式找出最理想的答案！

只是我的基本辨識演算法的效率實在太好了！即使我對同一張影像默默做了五次辨識，耗時還是很普通的212毫秒，就是0.2秒而已！當然五次辨識可以共享的資源一定要共享，不能重複計算浪費時間。總之，這是一個精密也緊密高效率的系統！我的成功是絕無僥倖成分的！就是比別人更努力、更細心也更認真而已！

這種做法當然也跟深度學習的概念很不一樣！他們基本上是想建立一個萬用通用的辨識模型！也就是想找到一帖可以通治百病的萬靈丹！但是任何單一解決方案總有強弱的點，所以最後的方案就是一個可以得到最多正確答案機率的妥協方案！以數學概念形容就是「交集」！我的作法則是八仙過海各顯神通，成功機率當然比較大！如果超過一個方案成功還可以擇優錄取！這是「聯集」的概念！誰比較強？誰比較AI？大家自己判斷吧！五個打一個會比較弱嗎？