如上是大約一千萬畫素的影像，以現階段的大多數商用車牌辨識核心來說，是大了一點，即使可以順利完成辨識，找出裡面的所有車牌，速度應該也很慢！但時代一直在進步，百萬畫素影像已經是基本規格了，很多高階手機已能拍出千萬畫素的影像了！

所以我的車牌辨識核心也必須與時俱進，至少有能力直接辨識千萬畫素影像，還不能太慢！回到幾年前，要在可接受的時間(如一秒內)，辨識完成如上的影像，我真的必須將影像切割成好幾張，使用多核心電腦平行運算！但是我也說影像辨識還在一個很原始的階段，我們的演算法達到的智慧程度還遠不如人類的視覺！

所以只要我的演算法能持續精進，再逼近人的視覺智慧一點點，一定可以不必靠特殊的硬體就能搞定千萬畫素的影像！幾年前我就這麼認為，現在也確實已經做到如上圖，不需切割影像就能在千萬畫素影像之中，一秒鐘之內就辨識出多個車牌了！大家可以去考一考以CNN為基礎的車牌辨識核心(如果有的話)可以做到甚麼程度？即使能做到這個速度，大概也需要很昂貴的周邊設備幫忙吧？

其實這個辨識真正困難的是：你不能因為要求辨識速度快，而降低了辨識的能力與準確度！我的展示範例都是跟使用百萬畫素影像辨識率一樣好的！也就是當我進化到此處時，百萬畫素的辨識速度也會變快的！只是時間差異較小感覺不太明顯而已！如何辦到呢？就是更有效率更節省無效運算的演算過程了！如下圖甚至可以正確辨識出五個車牌！時間還是一秒鐘！

我們必須知道，也必須掌握到，影像辨識的應用標準就是極高辨識率的門檻！不能辨識得很準確，光是速度快沒有用的！最多只是放煙火作秀罷了！或許當我的演算法進步到一個穩定成熟的高原區時，我開始可以更容易掌握我的演算法的運算量分配與整合時，我就可以搭AI機器學習的便車，真的使用很多GPU的周邊設備更快辨識更大的影像了！

未來的事情有無限的可能，我目前確定知道的是：使用OCR等精確演算法緊貼著物理科學原理與影像外的規則常識，一定可以比CNN與DL等技術更快做出實用的影像辨識軟體，研發成本與運轉時的計算量也一定低很多，辨識率與速度也一定比抓瞎的AI來得高！