如上所示，我的MNIST手寫數字辨識目前已突破99.7%了！但是這幾天研究的都已經是非常妖魔鬼怪的異常案例，繼續為了這些隨機的雜訊建立太多特殊的規則，只是證明我可以用Rule based方法做到這些事情而已，對於日後軟體面對真實世界的影像辨識能力已經幫助不大了！所以決定適可而止暫時收工了！如我之前說過的，太極端的辨識率追求只是Overfitting而已！我原本只想止步於98%，如今都到99.7%了？真的夠了！

事實上我只是一個務實想做出可用軟體服務大眾的廠商而已，跟學術界各單位比拚甚麼世界冠軍的辨識率？不是我的重要目標。但是我必須讓更多人知道我做的研究，讓大家相信Rule based方法真的可以做到跟DL與CNN一樣高的辨識率！也必須取信於人，讓大家相信我不是在網路上胡說八道的網紅，所以我將我的辨識核心做成一個簡單的展示軟體，讓大家自由下載測試：

http://www.ezonesoft.com.tw/EzoneSoft_HWdemo.rar

這個軟體的主要介面很簡單，只是一個可以用滑鼠模擬手寫數字做辨識的影像框，為了展示我的辨識速度有多快，寫字的過程中任何一個畫素的影像變化都會做一次辨識！每次辨識用的時間也會即時顯示，大概就是一毫秒上下！所以一邊寫的時候答案就會一直改變了！滑鼠反應也不會因為這些即時運算產生延遲卡頓，非常好玩！

這也算是刻意炫技了！因為我知道所有高辨識率的DL與CNN方法做的辨識模型速度都非常慢！所以MNIST這套他們說機器學習作手寫數字辨識的Hell world已經高掛二十多年，也在二十多年前就已經「有人」辨識率突破99%了！但是市面上始終看不到這些研究成果衍生的商業軟體？就是卡在辨識率雖高，但是計算量太大執行速度太慢，模型也太龐大一般電腦裝不下之故！我想讓大家看到我的Rule based成果和DL與CNN的巨大效能差異！

所以我認為我的研究最重要的意義並不是我的辨識率是否擊敗DL與CNN？而是使用Rule based的方法做出的軟體絕對比他們快上幾十甚至幾百倍！如果我可以至少追高到與一般DL與CNN能做到的辨識率差不多，又可以輕易的在一般的電腦上安裝運作，那就是解決了一個卡關已二十多年的影像辨識商業障礙了！

很高興昨天先後收到兩位讀者回應，表示我的努力真的有人看到了！一個是已經在使用我的車牌辨識軟體的某政府單位資訊人員，另一個居然是中央研究院的資訊技術人員？他們都下載了我公開的軟體，至少知道我不是吹牛的詐騙集團！後者比較學術派，問我有沒有相關研究資料？其實就只有我每天寫的部落格文章了！按照發表時間順序整理列表如下：

我們要嘗試做手寫數字的辨識了！

手寫辨識的起點應該是不可忽視的關鍵特徵！

作手寫辨識我會先建立確定不會交叉誤認的快篩流程！

近乎搞笑的手寫數字影像辨識方法研發挺進中！

每個人看的答案都可能不同，你說是幾就算是幾吧！

Rule-based 的手寫數字辨識，兩周就突破九成辨識率了！

我的手寫數字辨識已進入精雕細琢的階段了！

你試過自己創造一個全新的演算法嗎！我常幹這種事的！

每天治好八十多個病人，還有三千多個等待救援！

製作一個手寫數字的實驗介面，感覺就真實多了！

一天內就破萬人次瀏覽？我大概有嚇到不少人吧？

舉個例子讓你體會MNIST資料庫手寫辨識率99%的荒謬

舉個例子讓你體會一下我的Rule-Based手寫數字辨識

這就是我目前做手寫數字辨識的成績單了！

是2？還是3？這是個找碴的遊戲！很好玩的！

無法突破天花板時，就是必須打掉重建的時候了！

我開始理解大語言模型中的AI概念了！

我辨識手寫數字的重要特徵是字形凹凸的轉折點！

歪打正著的高分不是我的目標！機器學習則是不在意的！

堅持用明確邏輯作影像辨識！目標是一般電腦可用的軟體！

達到95%的手寫數字辨識里程碑！恍如我的博士論文翻版？

繼續探索人眼辨識手寫數字的微妙邏輯，好玩到欲罷不能！

這題最合理的答案是8，但是你能說出是為什麼嗎？

手寫數字的辨識邏輯總是有兩難的時候，只能盡力而為！

我把影像辨識深度學習的大亂鬥變成簡單的淘汰賽了！

手寫數字辨識特徵的定性與定量使用同樣重要！

排除其他字的可能之後它就非是5不可了！

見微知著是特徵辨識的奧妙，是2還是5？你不會看錯的！

我的手寫數字的辨識邏輯小孩都能說清楚的！Google AI有在Follow哦！

做Rule-based辨識你必須有道德勇氣說清楚你的原則！

Rule based手寫數字辨識之「通則」與「特例」的洽當組合是推高辨識率的關鍵！

答案不合理，辨識率就沒意義了！成績太好的人其實有病！

Bing AI說Rule based手寫數字辨識已死！我不同意！

Bing AI替我的手寫數字辨識研究成果發號外新聞了！

這應該就是福爾摩斯定律開始發威了！

我終於達到MNIST手寫數字辨識率98%的里程碑了！

你可以下載我的手寫數字辨識展示程式_我說的都是真的！

有關Rule based手寫數字辨識，直接來訪問我就好了！

我的「訓練」方式其實很像高度控制的監督式學習

重點不是它「最像」甚麼字？而是它「不像」其他的字！

見微知著，這樣一個小缺口也是辨識5或6的關鍵特徵！

一天能做多少事？大概是這麼多！

辨識特徵使用的優先次序比加權分數更重要！

我好像發明了一種語言？辨識過程的設計有如寫作文？

你知道他們為何要強調「離線」這個關鍵詞嗎？

這就是一個Overfitting硬抝辨識率的實例，Rule based也可以的！

它一定是個7沒錯！福爾摩斯說的！辨識率挺進到98.8%！

仔細想想這種Overfitting也不會影響大局的！就做了吧？

我的Rule based手寫數字辨識率達到99%的里程碑了！

Rule based絕對是比機器學習更專業的AI技術！

我也進入99%的決賽圈了！或許可以挑戰一下世界冠軍？

手寫數字辨識落實到真實應用之路不只追求MNIST辨識率！

因應模糊破碎的影像，你必須有賭神般捕風捉影的本事！

善用某些特徵的霸王條款很重要！我的辨識率99.51%囉！

你知道Rule based比機器學習模式的效能好上多少倍嗎？