以一個根本沒上過影像辨識課程，甚至沒上過電腦課的外行人，我經過自學摸索這門技術多年，到業界作各式影像辨識專案研發已經五年，過程中還很堅持不套用任何既有的影像辨識函式庫，不使用任何機器學習的相關技術與軟體，這種非常不「正經」且非主流的過程與作法，居然也能變成業界影像辨識的強者？

現在大家都已經知道：影像辨識的需求正如海嘯般襲來！絕對不只是人臉辨識與車牌辨識而已！每個大學相關研究所，以及資訊業界大公司都希望擁有影像辨識的技術。尤其是能夠隨時實作出各種特定目的辨識核心的能力，但幾乎都無法如願！所以我這個位居麻豆，算是科技偏鄉的小公司便顯得特別醒目了！

我的公司成立僅僅四年，除了車牌辨識作得很好，完成的各式影像辨識專案已經有十幾個之多！多到公司網頁都來不及更新相關資訊，事實上連中研院與工研院這種國家級研究機構，都曾委託我們做過特殊目的的影像辨識專案，也都能順利如期完成。以這個角度來看，我們的影像辨識技術應該已經不下於國家頂尖的研究機構了！

但我也注意到一個現象，不僅是頂尖大學很難教出可以靈活製作各式影像辨識核心的人才，即使是我以為自己擁有了影像辨識的關鍵秘技，還是個很好的老師，想教出自己的影像辨識軍團時，還是飽受挫折！我自己教出來的多數程式設計高手學生學不起來，連台大專攻影像辨識的光電所碩士跟了我一年，還是沒法變成高手？經過四五年的努力，至今我只成功地教出一位好徒弟！

為什麼教出一個影像辨識的人才這麼困難？反觀我唯一教成功的案例，她學我的技術過程卻非常平順！有如順水推舟，一年左右就可以像我一樣獨立接案解決各種辨識問題了！一開始我以為是她的程式技巧已經非常好，算是業界資深程式師的等級，但我的其他幾位學生程式也很厲害啊！各大公司的RD程式技術也很厲害啊？但是都跨不過這個「會作影像辨識」的門檻？

說到影像辨識的相關知識與基礎理論，那位台大碩士當然比我的這位學生強很多，甚至比我這個老師知道的還多！但他天天看我的程式，聽我的解說，跟著我一起作了多個專案學習經驗，一年之後還是無法獨立進行任何簡單的專案！我真的是基於商業考量，因為他沒有任何實際產值，不得已才忍痛辭退他的。

現在我看出我唯一徒弟所以能快速學成出師的關鍵原因了！雖然她是個高中成績不理想，大學又只能讀到後段班大學的學生，但她一直都是很認真讀書的乖學生，她的物理與數學基礎並沒有不好，考聯考學測拿高分的技巧是不夠強，但是原理與概念都學得很清晰紮實。所以我跟她解釋各種影像辨識問題的物理現象，或需要用到的基礎數學，如幾何學與微積分，她都是可以完全理解掌握的！

最後加上幾乎是「心想事成」等級的熟練程式技巧，她就變成跟我一樣可以迅速理解問題，也能用程式解決影像辨識問題的人了！當然她不必經歷我摸索多年的學習過程，直接就能從我已經累積的程式資源，模仿我的作法，學到我的SOP也能理解應變，所以真的一年就能獨立處理專案了！

反思我所以能獨力建造出這套影像辨識技術，除了我自學多年的程式技巧，更重要的根源還是我讀國高中時物理與數學基礎有打好，能充分理解原理而非只是想考高分，加上讀師大物理系時建立的，極佳的物理現象分析能力使然！這些基礎能力後來在我的博士論文研究地形特徵辨識時，正式與影像辨識領域產生交集。如果你只把影像當作純粹的電腦資料，你永遠都看不到我用物理與數學觀點看到的現象，也不可能學會我已經會的東西。

結論是：要變成影像辨識核心的製造者，物理→數學→程式設計，三者都一樣重要！如果你只重視其中一兩樣，或誤以為專攻「影像辨識」這個科目就能成功？或更糟的以為學習目前大家瘋迷的人工智慧、機器學習、深度學習，或熟練OpenCV等程式資源就可以快速入門變成專家？那你就試試看吧！各頂尖大學的研究所都是這麼作的，但絕對只是浪費時間緣木求魚！