我是使用OCR技術做車牌辨識的，還天天照三餐批評CNN沒效率！但是演算法的世界並不是那麼敵我分明的！重點還是要用盡所有方法解決所有的問題！就像冷戰時期美俄兩國壁壘分明卯足全力做太空競賽，但是冷戰過後兩國的的太空科技團隊又全面合作了！美國雖然贏了登月任務，但是太空站就是做得沒有俄國好嘛！

OCR技術最大的弱點其實就是碰到目標破碎時的狀況！目標破碎不完整我就很難將它們納入正常車牌的字元組！如上案例AAE都是破碎的怎麼辦呢？最尷尬的壓力是人眼的模糊辨識能力遠勝OCR！我如果因為這點模糊就說無法辨識，一般客戶就會說我的軟體不夠AI？甚至直接說OCR很爛了！

同時間，CNN就是模糊辨識的高手！擅長在毫無前提的狀況下找到目標！如果你已經知道字元應有的大小範圍，只要拿著矩形框框矩陣做地毯式的掃描，再模糊的目標都可以找到的！甚至比人眼的模糊辨識能力更強！它們的缺點只是運算量太大執行速度太慢成本太高很難實用化而已！

所以我就像美國一樣很無恥的在太空站的相關科技上求助於俄國了！我真的用CNN的概念技術幫我解決目標破碎時的模糊辨識問題！如上案例就是我找到了0061四個字，但是AAE都破碎遺失了！所以就啟動我的CNN特種部隊，用已知字元的大小框框，在已知字元的左右側外插延伸的區域去搜索模糊破碎的目標！

就是這樣我的OCR也具備了CNN的模糊辨識能力了！所以要以此缺點批評OCR不如CNN的說法就破功了！演算法絕對是可以互補的！就看使用者的智慧與創意能否融會貫通兼容並蓄了！重點是我這樣以OCR技術為主，CNN為輔的方式可以解決最多辨識問題，還保持計算量精簡的高效率！當然是遠勝以CNN為主體的方案的！