最近還是在繼續用一些難辨識的照片資料調整優化新版的核心，簡單說就是在辨識率與速度上取得最佳的平衡。基本上辨識率當然是越高越好，但是實務上如果辨識太久到讓使用者不耐煩，或是目標移動太快，甚至蜂擁而至時，就必須略為犧牲一些辨識率，趕時間不要漏掉目標比較重要了！所以因應我的三大類軟體，我也設計了如上的三種辨識模式。

如果是靜態影像(檔案)的辨識，多半是做資料後處理，每輛車只會有一張影像，成敗就在此一「辨」！也沒有時間壓力，就會盡量使用所有可用的演算法通通嘗試辨識，如果有多個答案就找最好的，看起來明顯死掉的也要嘗試做做CPR，用更極端的方式再試一次！只要一百個原本無法辨識的案例能救回一兩個，就是辨識率提升一趴了！

如果是動態的辨識情境，但是車速不快，像停車場的狀況時，就用折衷一點的方案，只用辨識成功率最高的一兩種方法嘗試辨識，反正如果碰到極端難辨識的單一影像，等車子略為移動，同一個車牌的距離角度略為不同時，應該就不會那麼難辨識了！所以不必花太多時間卡在嘗試辨識非常困難的單一影像。

到了車水馬龍的道路上辨識車牌呢？車速既快目標又多，單一影像之中就會有好多車牌，還不保證每個車牌都會進入辨識的甜蜜區，如果不想漏掉任何車牌，就必須盡快處理，即使可能錯了一兩字也不能花時間做太多重複驗證的意思！這就是我必須設計快速(辨識率較低)模式的原因了！

事實上我目前賣得最好的車載車牌辨識軟體，就是使用「辨識率最差」的快速辨識模式的！如果我有超級電腦支援，或是日後電腦運算能力更強時，我當然會逐步讓快速模式的辨識率提高，你現在看到我的道路版辨識率絕對不是我的極限！等到運算資源充裕時，我的道路版辨識率就不會是目前的八九成邊緣，應該會推進到跟停車場差不多的高辨識率。像下面就是我用不同模式辨識同一道路車牌影像的差異：

使用一般道路版快速辨識模式無法辨識

使用靜態「單車牌」辨識模式時，可以辨識出較清晰的黑車車牌

使用靜態「多車牌」辨識模式時，較遠處的白車車牌也「看得到」，只是有錯字。

前兩天有提到某客戶曾經參加道路車牌辨識的競賽，我用我的動態軟體嘗試辨識並回錄辨識狀況給他看之後，他的結論是我的辨識率還是明顯低於去年參賽的冠軍隊？讓我覺得很疑惑？難道如南海神尼之類傳說中的世外高人也出來爭奪武林盟主了嗎？

如果真有如此神奇的辨識軟體可以完勝我的軟體，那我怎麼可能有前兩年的車載車牌辨識軟體的業績呢？應該說所有車牌辨識市場都會被這家擁有神奇技術的公司輕鬆獨佔了！我好奇詢問了一些現場狀況，客戶說他們都是用「很好的電腦」包括很高檔的顯示卡等等，他說應該是與他們號稱使用GPU有關啦！只用CPU的或許就輸一截了？

所謂GPU這一部份的說法應該是外行話！GPU只是顯示卡內附加的運算單元，或許可以分擔一些CPU的運算量，也就是提升電腦整體的運算能量，但影像辨識結果是否正確？還是只會決定於軟體設計的演算法，運算資源的提升不會「直接」讓辨識變準的！就像家裡再有錢，都不會直接就生出一個聰明的科學家一樣！錢是有影響，但不是重點，也不是前提。

但是如上面我說明的狀況，因為我家窮嘛！沒有超級電腦，被迫使用較低辨識率的演算法趕時間做道路車牌辨識，看起來或許就會比有錢人窘迫了。如果我也有超級電腦可以拿去比賽呢？我當然會使用最高辨識率的模式裝進道路版軟體去參賽！或許就不會輸了！

當然那種軟體是不能賣的，因為一般客戶當然不會願意買幾十萬的電腦來配合我的特殊軟體做車牌辨識的。像是現在被質疑的東山科技公司，擺明了連我六萬元的軟體都嫌貴了，他們的經營策略應該是希望可以買個最低價一萬出頭的i3電腦，再買個幾千元的車牌辨識軟體，來做要價幾百萬的區間測速系統核心吧？相反的，所有小公司看到我的軟體效能之後，都是覺得物超所值二話不說立即下單，幾天內就完成匯款的！他們真的比較在乎工程品質，大公司的想法就完全不一樣了！$才是最重要，也幾乎是唯一的考慮！

這不是針對特定公司的酸言酸語，而是我知道的多數大型SI廠商的普遍心態，公司越大越是如此！我這些年已經與好多大小不同的公司合作過，現在我碰到大公司時的心態比較像是遇到鬼，真的是能閃就閃！至少會設法躲在另一間小公司後面，讓那家合作廠商與大公司交涉。因為真正願意老老實實將工作做好也按時付錢的永遠都是小公司！可嘆啊！原來好人主持的公司都做不大？我就繼續以身為小公司為榮吧！