我現在的工作是校長兼撞鐘，既是公司的RD也是業務，做生意的過程是先創作出可以賣的軟體，上網打廣告，有人想買就盡力接洽讓他成交。然後是售後服務，讓客戶拿到軟體之後確定可以順利使用，有問題立即修改程式解決。然後呢？如果可以作到的生意都搞定了，上班就沒事幹，上網閒逛哈拉等電話嗎？

不會的！軟體的開發過程，如同走路時左腳與右腳交替前進。左腳是作出客戶想要的功能，達到客戶的需求；右腳就是繼續研發更新的軟體，或者讓現有的軟體變得更好！最近主要的軟體客製化調整以及專案開發都告一段落，我就開始重新研究我的車牌辨識核心，深入檢討所有演算程序的效能，看看有沒有可以讓計算更節省，速度跑更快的空間？

一個複雜到有幾千行程式的影像辨識核心，開發過程如同從一個小鄉村發展成大都市，常常是計畫趕不上變化，很多程序是被動因應客戶立即的需求而新增或急轉彎的！就像大都市裡都有違章建築，會蓋出來一定是有人有需要，等不及等都市計畫更新就搶先蓋了！

如果我的生意很好，軟體持續賣出，暫時穩定也沒時間作有系統的研究修改，就會讓那些違章建築繼續擺著，因為沒有時間規畫更理想的替代方案，就暫時不拆，以免引起民怨的意思！在我的程式中，這種違章建築不會讓辨識產生錯誤，但總是會拖慢速度，所以只要有一天沒其他節目，我就會開始整理這些其實沒壞的軟體！

這是很好玩的工作，雖然這個辨識核心已經玩了五年多了！但每一次回顧整裡都會有新的改善工程，像這兩天一一測試所有的主要程序，精簡一些運算之後，辨識速度又提升了大約10%，如上圖一般停車場兩百多K畫素的影像，辨識時間可以低到100毫秒以下，就是不到0.1秒！

但也有時候某些辨識會忽然變慢好多，譬如下面這張就花了136毫秒，怎麼回事？事實上是我的辨識核心還有自我評分的功能，如果覺得答案不是很有把握，會有變更參數組合重新計算的動作，如果前後答案不一樣就會選擇評分較高，較有把握正確的一個答案輸出！這個車牌明顯比較陰暗甚至有點髒，當然辨識可靠度會比較低，就啟動重算了！所以「想」比較久。這個厲害吧？算不算是有自我調整能力的人工智慧呢？

寫到這邊又忍不住要酸一下機器學習了！如果我的軟體是用機器學習或深度學習作的，所有演算法與參數是由電腦依照大數據的資料統計決定的，我就絕對不敢動「電腦寫出來的程式」！我應該會完全看不懂「電腦」為何要那麼作？為何要用那種參數組合？像我這種研發精進演算法的機會就完全沒有了！我只能被迫相信電腦比我聰明？那我有沒有讀過書？懂不懂影像辨識原理都無所謂了！

一般車牌辨識系統也常誇耀辨識速度，數字也常是幾十毫秒，但那些通常是「理想狀況」下的辨識速度。但我追求的是單一辨識核心，在不需要調整參數的狀況下就可以辨識複雜背景中的車牌，這樣才能有效的運用於我的動態車牌辨識軟體，所謂動態就是隨著攝影機的畫面，所有距離傾斜角度的車牌都要能盡量辨識正確！如上圖，而不只是像下面這種特寫鏡頭哦！