有客戶詢問：飛機上的編號能不能辨識？當然可以！根據對方提供的影片先抓幾張較清晰的畫面，稍微更改一下車牌辨識的流程，這樣應該就相信我們可以寫出辨識「飛機牌」的軟體了吧？

這種自然環境中的英數字目標辨識核心，以我們已經成熟的車牌辨識技術來說，當然是不算太難的應用，稍早我們才剛剛完成了貨櫃碼的辨識核心，也是類似的狀況。所以，非常歡迎各界有需要的客戶找我們開發這類軟體。

這種飛機碼印在機身上幾十年了，攝影監視的機制也存在幾十年了，為什麼市面上卻找不到(或極少見)現成的辨識軟體呢？一個關鍵的原因就是攝影機百萬畫素時代的來臨！回到只有幾萬，最多幾十萬畫素的類比式攝影機時代，看喬丹打球的畫面是這樣的：

到了百萬畫素時代呢？你看詹姆士多帥啊！

同樣的人臉辨識軟體，應該無法辨識前者是喬丹，但鐵定可以辨識後者是詹姆士！同樣的道理，以前的攝影機拍攝的機場監視畫面，應該是看不清楚機身編號的！但是現在的幾百萬畫素攝影機就很容易清楚拍出編號。當使用者看不見或看不清時，當然不會想到要用辨識軟體，但畫面變清楚時，就會開始想：能不能用辨識軟體幫忙自動監視呢？

這個影像辨識的大革命才剛開始三四年而已，而且百萬素攝影機的出現與普及是全球同步的！所以辨識軟體在全球的發展進度都差不多，從Google這樣的大公司，到我的小公司，都在同步積極研發之中！現在才開始做都沒落後太多。換言之，我只要做得好任何一種辨識，就有機會立即變成「世界頂尖」了！

多數人認知上會以為「影像辨識」是一種很通用，也已經很成熟的技術？但事實不然！我們都還在摸索學習人的大腦中的各種影像辨識邏輯。能用軟體模擬七八歲小孩子的影像辨識能力，你就是大師了！而且各種目標的辨識運用的邏輯，也就是演算法，可能差異極大！所以並沒有「通用」的辨識軟體，人臉辨識與車牌辨識的內容就差很多，我作車牌辨識很厲害，但幾乎完全不會做人臉辨識！

心急的人會想用所謂的「機器學習」，讓大量電腦資料與高速運算能力幫我們快一點「混過」這個艱難的研發過程。但是我預期太依賴機器學習的團隊一定會走入死巷，被迫回頭認真面對基礎的演算法研究，就是每一種目標辨識的最有效演算法流程。即使是機器學習，電腦程式自我調整的程度仍然是很有限的，遠遠跟不上人的認知能力與創意。

像我這種小公司，其實也沒有甚麼選擇，一定是老老實實的研究演算法。因為機器學習需要的成本實在太高了！首先要收集數萬到數十萬的「合理」資料，然後用大量人工，就是用最聰明的人腦一一辨識出這些資料的標準答案，接著用超好的電腦「訓練」類神經網路程式。就是希望節省研究基礎演算法的時間，讓電腦去快速「累積經驗」，學會做出跟人的判斷接近的辨識答案。

這些需要很多錢的工作方式就留給錢多到花不完的大公司吧！我們呢？只需要客戶主動提供至少數百(到上千)張需要辨識的合理影像，我們花一兩個月解數學題，寫程式做實驗調整，找出可以達到最高辨識率的辨識流程，最後做成好用的軟體，一個案子收費不過十幾二十萬，大約一兩個月就能搞定了！歡迎光臨惠顧啦！