這幾天埋頭苦幹提升手寫數字的辨識率，大概到了94.5%以上就陷入泥潦，不斷微調各種衝突條件的狀況也只能勉強衝到如上左的94.667%！這就是所謂的達到辨識率天花板了！此時就是必須回頭檢討前面的基礎流程有甚麼可以改善的地方？但是就像蓋房子，地基要改建就表示大部分建築都要打掉重蓋了！

我的Rule-Based方法建立的辨識條件特徵是所有資料一體適用的！所以當資料庫的答案本身有矛盾時，就是某兩個影像其實幾乎一樣，卻有不同的標記答案時，我的答案不可能兩個都答對！但是機器學習只要有任何些微的差異，即使只是一個畫素的隨機差異，他們都可以「學習」到能依據答案分辨這兩個字！所以我不會刻意跟那些機器學習技術比拚固定資料庫的辨識率！那沒有意義，我也一定會輸！我力拚的是合乎一般人眼判斷的合理性！

即使如此，我還是不滿意自己的94.6%辨識率，因為在我的無法辨識與辨識錯誤的失敗案例中，還是有很多人眼可以清晰辨識的案例！我必須要讓他們盡量都成功！不能與人為判斷落差太大！我的自我檢討結果就是如上圖的Q辨識率不夠好！就是某字候選答案至少要包括正確答案的機率！候選人都是錯的，當然無法得到正確答案！

前一版很多字的初選辨識率都沒到99%，深入看那些被淘汰的案例其實有很多都不難辨識，那就是我的初選機制太嚴苛或不合理把他們變成遺珠了！但是如果開始調整這個部分就是動到地基了！如右上圖，我剛剛努力提升Q辨識率都超過99%之後，C辨識率就從94變成84了！

為何如此？就是初選及格的可能答案越多，後續選錯答案或兩個答案相持不下無法決定的情況就會增加！那些就是把辨識率拉低的原因！我必須從頭開始檢視調整所有衝突錯誤的狀況！每解決一個衝突辨識率就會提升一點！其實我很樂觀！當那些原本應該入選卻被淘汰的案例獲得重生後，當然讓競選過程變得複雜，但最終辨識率是有望提升的！我希望是可以達但96或97的水準！繼續努力了！