剛剛與RD開會討論的一個問題如上，我們的目標是辨識出紙箱的軸線，但是與車牌辨識不同的是：這些目標線未必是周遭最明顯對比度最強的線！如箱子上貼的白紙，或亮色交代，產生的邊線就絕對比箱子軸線更清晰！所以才會有如上的錯誤迷航！RD想問我對此類辨識錯誤有甚麼想法與解法？

這就是論語說的：「惡紫之奪朱」了！我也跟RD開玩笑的比喻說好像漂亮的小三來勾引老公，把相貌平凡的正宮老婆比下去了！怎麼辦呢？我認為就是要回到根本，找到軸線所以是軸線的其他特徵！讓我們判斷是否軸線的資訊更多更合理！就像回想為何當初會娶這個老婆的原因？通常小三就立刻被比下去了！

以紙箱的例子來說，幾乎九成五以上的紙箱都是土黃色的！如果你嘗試分析找到的長直線兩側的顏色，如果都具有偏土黃色且上亮下暗的特徵時，那就極可能是我們要的軸線目標！反之，如果某一側完全沒有黃色的特徵，那麼它是軸線的可能性就極低了！

很有趣吧？我們公司作影像辨識絕對不只是玩抽象的數學遊戲！數學的玩法其實可以無窮無盡！如果你妄想用機器學習(或深度學習)的嘗試錯誤方式去找到最佳解法？那絕對是非常沒有效率的一場大災難！怎麼踹都踹不出一個洞來的！反之，以物理事實的角度去思考，就可以很快想到也找到合理有效的解法！

這就是我們公司做影像辨識的哲學了！對我們來說，我們的程式、演算法與我們的常識、直覺與科學原理等等都是相通一體的！沒有黑盒子，更沒有無法解釋的純經驗值！我們真的就是用大家都知道的常識為研究發想的起點的！有了想法就是將它數學化、量化與程式化而已！

有間使用機器學習的影像辨識公司打廣告說：「萬物皆可辨，只要先訓練？」我可以對比的造句說：「萬物皆可辨，只要有常識！」只要善用常識與基礎科學，加上相對應的數學描述與程式技巧，就可以做到我們做的事了！而且效率極高成本極低！