從博士論文研究地形辨識演算法時我就有一個深刻的體會：人眼與人腦的宏觀識別能力真的很神奇！數學上要找到山脈的軸線就是找區域高點(Local High)，但是地形資料有數位誤差，如果堅持必須是資料的高點才是山頂軸線的成員，那找到的山脈軸線就一定會斷斷續續！因為就是有些山頂就是會剛好相鄰的兩點一樣高的！要讓辨識軟體「看到」人能理解的連續山脈是很不容易的！

用OCR技術做車牌辨識時也有很類似的問題，碰到影像模糊的時候，我們還是會想用二值化的技術去切割字元，因為OCR的計算量少效率高嘛！一旦使用CNN的矩陣卷積(Convolution)的計算方式呢？就會開始陷入計算量爆炸的不歸路了！研發過程會變得超級緩慢！需要的資料與電腦成本也會狂飆！

但是OCR面對模糊影像時就是會有如上的字元破碎或沾連的問題！之前我談過很多次如何切割沾連字元的技術，但是字元破碎的機率一樣很高，如果沒有穩定有效的對策，OCR也是一樣走不通的！也就是如上的碎成五顏六色碎片的K與G，我的演算法必須跟人的宏觀視覺一樣，把它們理解為完整的字！

要做到這件事首先必須得到一個字應該多大？的合理假設值！我們當然不會事先知道一個隨機影像中的車牌字是多大？但是以機率來看，如果車牌有六七個字，我們的二值化門檻也不離譜的話，應該有四五個字是可以直接被正確辨識的！利用這幾個字做個簡單的統計，就會得知車牌字元的合理寬高了！

有了一個字「應該」是多大的假設值，就可以回頭檢視每個被擷取到的目標是不是正常合理了！譬如破碎的G字初步辨識時只能抓到紅色的那一塊較大碎片，與合理高度比較明顯太矮了，那就要修正它的高度，將破碎的綠與藍色碎片也納入G字的範圍，再做一次字模比對就會得到正確的G答案了！

那個K字狀況也很類似，如果直接辨識較大的紅色碎片，答案應該會是A而不是K！但是當我們推測出字元的寬高之後，我們會發現那塊藍色的碎片也在合理字元範圍之內，納入它為字元的一部份之後再比對字模，這個字就會比較像K而不是A了！

所以任何看似聰明神奇的辨識能力都不是來自僥倖運氣好！都是很多精緻且合理的科學計算推理的結果！如果你相信如此精密複雜的推理過程，可以不必傷腦筋，用大量資料經過深度學習的訓練過程就學會？我只能說你病了！還病得不輕！目前的深度學習技術距離這種智慧還非常遙遠！

相對的！如果你能以專家系統的方式角度切入研究這類影像辨識問題的對策，你一定可以很有效率的快速且精準的解決問題！不但不需要大量資料的耗時訓練成本，產出的軟體還非常快速有效又省電！在這個議題上，甚麼才是較好的AI技術？絕對不可能是深度學習的！不要再傻傻當被騙的肥羊了！你可以不必用GPU的！省點錢給辛苦工作的人加菜吃好一點比較實惠啦！