高準確性及高可靠度車牌辨識系統

這個2017年9月發表的研究說：

為了改善傳統的車牌辨識系統常遇到的問題:第一是當在複雜背景的環境下，車牌辨識的結果容易有誤偵測。第二是在影像是有較高的傾斜時,車牌無法辨識。第三在傳統的車牌辨識需要在良好的控制環境下，例如停車場，但是在開放的環境下就無法有較好的辨識結果。為了克服這些問題，我們使用了最新的深度學習技術，透過讓機器在不同環境下大量的學習，得到更好的辨識結果。首先我們使用一個深度學習的模型先定位出車牌，接著透過另一個深度學習的模型對車牌進行辨識。此技術在一般開放式環境下車牌辨識可高於98%以上(?)，效能部分每秒約處理15張影像以上。

他說的這些實務問題一點都沒錯！但是接下來看看他展示的成果，就知道完全是避重就輕，根本是已經落伍的研究！不可能有任何腦筋清楚的業界公司或客戶會買單的！這樣也敢侈言「可移轉技術」？實在有夠敢講！這種水準一般業界現成產品就已經有了，還更好用。這種研究的價值就只是用來做好形式，我用了最熱門的深度學習技術了嘛！至於成效如何？真的比市售產品好嗎？沒關係的！只要能讓教授繼續爭取到來年計畫即可。是學界典型的無用研究，實在無益於國計民生！

基本上，這種照片的視野根本就與百萬畫素時代之前的老舊辨識系統能辨識的照片一樣！現在誰家的監視器或手機還能拍出這麼低解析，背景如此單純的照片？怎麼不辨識幾張你自己手機拍的照片呢？應該百萬畫素就無法辨識了吧？那還敢說業界系統背景複雜時就不能辨識？你的研究也只能辨識「簡單」背景的照片啊？上面哪一張背景複雜了？

做過影像辨識的人都知道，即使是環境昏暗的照片，只要對比度還在，本來就不難辨識！困難的是車燈亮亮，車牌暗暗的照片辨識嘛！那才是實務問題，哪有車子晚上關車燈好讓你辨識的呢？為什麼不展示你辨識有車燈干擾的結果？你的深度學習不是很厲害嗎？你用來辨識下面這種影像啊！

再看他展示的傾斜車牌辨識，幫他算算也不過17，18度，我詢問過，業界多數公司的產品都說能辨識到15度，多兩度算是做得更好嗎？為什麼不展示傾斜30度的辨識結果？才十七八度就叫「高角度」嗎？下面這種才算吧？

說到辨識速度，像他們網頁上展示的那種大約30萬畫素左右的照片，業界的一般辨識速度都說是50毫秒，就是一秒鐘20張了！如果是我的辨識產品，連「百萬畫素」影像都可以超過一秒15張了！這種速度還敢宣稱效能？資訊太落伍了吧？

網頁上說的：在「開放式」環境下辨識率98%？更是大笑話！那些照片哪裡「開放」了啊？目前各警察局所說的「開放式」車牌辨識環境是這樣的：

百萬畫素時代來臨了，哪個百萬畫素攝影機會一次只拍一輛車呢？學界如果真的要產學合作，必須拿出超過業界的實力，不然根本沒資格申請產學研究計畫，他們展示的照片到影片根本是業界七八年前的落伍水準！拿來教教學生：「何謂車牌辨識？」的課程還可以，說這是為產業「做研究」？實在太難看了！

這種開放式環境，200萬畫素影像在持續動態辨識的情況下，我的軟體一秒鐘就可以辨識15-20張！但是辨識率「只有90%」！你們倒是用那個：在一般開放式環境下車牌辨識可高於98%以上的軟體來試試看啊？學術界還學業界打廣告的手法，宣稱辨識率多高，幹嘛？誰都知道辨識率是要看環境而不同的！妄稱98%？99%有何意義？這是教授該有的學術專業態度嗎？

我在業界闖盪好幾年了，配合業主要求，與其他競爭廠商PK現場實測很多次了！現在車牌辨識的案子多到爆，但根本還沒看到過任何學界的團隊出來PK車牌辨識，也從沒聽說哪家車牌辨識產品來自學界的研發團隊？但是論文卻汗牛充棟？根本是打假球嘛！所以當教授還是老實一點，不行就是不行，不說話也沒人當你是啞巴！趕快收起網頁，別丟人現眼了吧？

事實上，我也必須承認這個計畫的主持人還算有勇氣的，多數教授會更迴避問題的躲到一般人根本看不到也看不懂的「學術」議題裡面混日子！譬如我以前在海洋領域，大家都知道實用的聲納軟硬體研發是海洋科技水準提升的關鍵，但是台灣的水下聲學專家都不敢碰聲納核心技術研發，只會一直做甚麼「海底聲波散射模式」這種空泛的「學術」研究，只要錢能照拿，官能照升，何必出來挑戰真實問題獻醜呢？

這些事實可以告訴大家，學術界需要的根本不是更多經費，而是面對現實的勇氣！外界需要給學術界的訊息是：「沒有實質意義價值的研究，就省著點吧！我們不是笨蛋，別高來高去的唬人了，認真做點實事吧！」