上面是一張1920X1080的影像，客戶問我遠處車牌的辨識率能否經過調整提高？我的答覆是在目標畫素太少解析度低的前提下，我的努力意義不大！上面車牌的字元大概是13個畫素高，要完整呈現字元的每個筆畫相當困難！因為距離遠焦距已經不準確，所以灰階圖也是較模糊的，二值化之後就更失真了！

基本上如果筆畫的寬度變成只有一個畫素時，辨識率就會大幅下滑了！如上所示：P字破了一個洞，E的中橫線變太短等等，都讓結果與較高畫素建立的字模相去極遠，比對信心度都會很低！就是即使放大也是馬賽克，不像標準字模呈現的字啦！這可以說是影像的數位截斷誤差，有一定的隨機性，很難用影像處理技術保證答案都會對的！

此時如果用機器學習的概念，收集很多這種低解析影像作訓練，確實可以達到略為提高辨識率的目的，但是需要的時間與人力處理的成本太高了！直接提高攝影機的畫素或改變拍攝取景的角度範圍，都可以更快更節省成本的解決問題！所以研究提高這種情況辨識率的軟體努力意義不大！

所以不要相信甚麼AI科技的神話！如果我花很大的成本將辨識率從70%提高到80%，距離95%以上的實用辨識率目標還是很遠，你付錢讓我研究我也不願意的！相對的，提高影像畫素不必改變軟體就可以輕易達標，當然是比較好的解決方案！我是作影像辨識的，但是我不會迷信或高估影像辨識的技術與價值！

很多事情是根本做不到的！即使勉強可以做到，你也應該想想有沒有更便宜有效的方法可以解決問題？執著迷信AI(軟硬體)是很愚蠢的！所以我常說：只懂AI的人，其實不如有常識的人！大家不要妄自菲薄了！在我們有生之年，AI都不會比一般人的常識甚至直覺更聰明的！