網路城邦
上一篇 回創作列表 下一篇  字體:
影像辨識錯誤算是Bug嗎?
2020/08/04 07:43:04瀏覽859|回應0|推薦1

影像辨識錯誤算是Bug嗎?這是一個很值得深入探討加以說明的問題。對於一般的程式,譬如APP或資料庫程式,我們一定會先分析「所有」該程式會遇到必須處理的狀況,然後設計出所有狀況發生時都能處理好的程式。如果某些執行結果與設計目的預期不同,甚至當掉!當然就是程式寫錯了,這沒有爭議!

但是影像辨識呢?我們要辨識的目標在真實世界中的狀況,變數與變因實在多到不可能在設計階段就完全考慮到!影像辨識必須處理的「狀況」其實是無限的,跟如何用App付款會遇到的有限狀況性質完全不同!所以我們這一行的口頭禪之一是:影像辨識沒有百分之百的!如果有賣辨識軟體的廠商說辨識率可達百分百,那他一定是在說謊或是外行!

譬如車牌影像會有各種原因變得模糊、汙損或距離角度欠佳而難以辨識,我們在設計階段當然會「盡量」考慮到各種情況,讓他們都能辨識正確,但是辨識技術有其極限,為了節省時間也不可能用盡所有的演算法來確保辨識正確,不然你一定會等答案等到瘋掉!所以我們交付的程式不是我們辨識技術的極限,而是一個「對於使用者最佳化」的妥協下作出的產品!

即使我們將「已知」狀況,也就是客戶提供的研發用資料集中的數百張影像,辨識到100%,客戶也很高興的驗收付錢之後,實際上線使用時,面對成千上萬的現場真實影像,總有一些是資料集的影像中所未曾出現(涵蓋)的例外。如果我們決定不作售後維護服務的話,就可以說是已經超出當初設計要求的範圍,我們無須負責!

但實務上客戶一定會遇到辨識錯誤的案例,如果我們的辨識程式好就會比較少,但不可能沒有!碰到辨識錯誤(或無法辨識)時,如果是目視可辨識的合理範圍,我們一定可以微調程式加以解決,以後軟體再碰到類似狀況就不會再錯了!這就是我們說的售後服務或稱維護升級改版,我和RD日常上班時這是每天的常態性工作。

上面的客戶老闆所以有此疑問,是因為他們買的是閱卷辨識軟體,辨識錯誤率是極低的!可能辨識幾千幾萬張才會出現一次,所以他們當作是一般機器使用,如果是較複雜的辨識如車牌辨識在停車場的簡單情境都有大約百分之一的錯誤率,到馬路上車牌辨識率甚至不到90%,用過那些辨識軟體的話,他應該就不會有此一問了!

目前台灣市場上像我們這種作辨識核心開發的廠商還非常少,其中肯作調整辨識能力售後服務的應該是根本沒有!因為客製化程度高了表示產品變異性高,收費又無法提高,銷售量也不會增加,根本不會賺錢的!碰到對我們收一點維護費還有意見的客戶,也只能苦笑著跟他解釋,他們其實是身在福中不知福

事實上我賣車牌辨識軟體是不收維護費的,但辨識能力調整的服務完全一樣,因為這是一種廣用的產品,錯誤案例的研究成果可以整合到我的新產品之中,繼續賣給更多客戶,我的車牌辨識軟體就越來越聰明,產品也越來越好賣。這是一個互利的關係,所以我就不會刻意收費了。

但如果是特定目標的辨識專案,譬如前面這位客戶是要我們研發閱卷辨識核心的!我們的辨識能力調整升級服務,即使有成果也是無法拿出去賣給其他人的!這項工作唯一的受惠者就是他們,我們需要付出時間研究升級他們已經買的產品,如果不收後續(保固期後)的維護費,我們就是純粹作功德了!而且不是普渡眾生哦!就是圖利單一特定廠商而已。

所以老實說,影像辨識軟體的售後服務必要性與價值比一般軟體高很多,一般軟體出錯時,你真的可以在不付維護費的情況下質疑是程式本身有錯誤,廠商有義務必須修正錯誤!但如前所述,如果開發時客戶提供的影像樣本我都能辨識正確,驗收之後客戶就不能再說我的程式有錯誤了!沒有維護費我可以拒絕服務的!雖然我們常常作善事,免費服務,但如果是常態性的工作客戶都不付錢,我們就倒店了!

我們可以作這種售後服務感覺是很驕傲的!因為這表示我們是完全自有而且自主的技術,一般的代理商是絕對做不到的!原廠呢?以商業利益考量,他們每次些微改版一定都會要求很高的升級費用的!我們低調的將這些微調視為「售後服務」其實不是為了賺最多錢!只是希望有合理的工錢可以繼續提供最好的協助!

按照慣例,我又要酸一下機器學習了!如果你買的是用機器學習技術建構的軟體,抱歉!絕對沒有辦法得到像我們這種精確快速的升級調整辨識能力的服務!甚至你問廠商為何會出那種錯誤?他們也只能回應:「大概」是甚麼原因吧?因為他們也不知道自己賣的辨識程式的流程內容!如果要修正錯誤呢?呃...不好意思,重新「訓練」一次建構新版軟體,成本太高時間太長,很不方便的!您就繼續忍耐吧?不然就是為了一個小問題再花跟舊版一樣的價錢再買一次新版吧!

簡單說,像這種需要極高準確度的文件類辨識,機器學習是一個很糟糕沒效率的工具,完全沒有商品化的價值與潛力!作別的影像辨識先不談,像條碼辨識、證件辨識或考卷辨識都「不能」用機器學習的方法作的!希望你的影像辨識老師有告訴你!

( 心情隨筆工作職場 )
回應 推薦文章 列印 加入我的文摘
上一篇 回創作列表 下一篇

引用
引用網址:https://classic-blog.udn.com/article/trackback.jsp?uid=yccsonar&aid=147164121