昨天老客戶傳來這張影像說我的軟體無法辨識，他也不是責怪打臉，只是覺得有機會辨識成功給我研究用的！我二話不說直接把高解析百萬多畫素的影像長寬縮圖一半，就順利辨識成功了！

這是甚麼意思？圖越清楚越大不是越好辨識嗎？怎麼大圖無法辨識，縮圖反而可以成功？看看他們的二值化圖就知道了！

磨損嚴重的車牌照著OCR的SOP做出來的字元目標，就是這種碎碎的樣子，因為很多字的碎片兜不攏成為完整的字元，結果我「以為」的字元目標就只剩這樣子了！

但是縮圖之後這些碎片不會那麼粒粒分明，反而易於互相聯結成應有的字元樣貌了！如下圖，就差那麼一點點，連續性好一點，破碎模糊的車號就兜得攏可以辨識了！

很有趣吧？看美女也要有適當距離的！所謂的見樹不見林就是這個意思！貼得太近可能只會看到雀斑毛孔，剛好的距離其實最能看到你想看的美麗畫面！如果車牌本身狀況很好，當然大一點小一點都沒差，但是碰到如此汙損的車牌，遠一點看，也就是車牌的實質解析度低一點，反而易於看到理解你想看的字形！

以目前我的軟體聰明度當然還無法自動知道是不是應該縮圖再辨識？但是想像一下，如果我成功辨識到兩三個字時，雖然不足以組織出完整車牌，但是我已經可以知道可能的車牌字元應有的大小，也可以知道已被辨識出來的字元狀態就是破破的！那就有理由縮圖再辨識一次了！

這種思維邏輯就是我的AI哲學了！正常人的思維方式就是這樣的！第一眼可能也不會看到完整的車牌，但是「隱約」有看到幾個像字的目標？那就調整對目標的定義方式，再看一次嘛！是不是跟現在流行的AI辨識概念很不一樣？他們總說只要多一點資料讓電腦「學習」就可以了？這種鬼話你相信嗎？

我是科學家，至少是個相信理性常識的人，我鑽研的AI是以事實為基礎的解決方案邏輯，他們鑽研的是甚麼東西呢？命理八卦星座血型嗎？只要資料庫夠大就甚麼都可以辨識了？我不是算命的，我認為AI的概念應該沒這麼原始！要得到高辨識率用「猜」的永遠不會比用「算」的準確！目前為止，我每場戰役都是完勝對手的！是誰拉低了AI這個名詞的格調呢？絕對不是我！