我想要盡量辨識出這種模糊的車牌，但還是必須堅守OCR的基本架構，就是避免像一般的CNN一樣做全圖的地毯式掃描！因為只要做一次無條件的全圖掃描，計算量就會變成現在的幾十倍了！我就會陷入CNN與DL學派一樣的困境，必須向GPU求救才能活了！

我最初的門檻是要找到四個概略成排的目標，接著演進到只需三個目標，現在我繼續挑戰只用兩個目標的組合就找出完整的車牌！如上圖就是只有T與3兩個字是可以被OCR正確切割出來的目標，3566幾個字就是一團迷霧，只是隱約可以看出是四個數字而已！

但是顯然使用CNN的概念用具體的已知字元大小掃描效果很好！很輕鬆地就辨識出了完整的車牌！我需要增加的運算量是必須先確定少數寬高比可能是字元的目標要先試作字元辨識！找到成對的字元後再用CNN的方式補足前後或中間的缺字，但計算時間仍只需要99毫秒！表示我仍然是GPU free的！

這就是我說的人類視覺運作的方式了！我不會像CN一樣，一開始就睜大眼睛細看全圖的每個角落！而是先概略掃瞄有沒有像字元的目標，就是用OCR的二值化與輪廓化處理看個大概的意思！這不太費力，先找到可能是車牌的切入點再動用大機具仔細分析，這樣就可以做出很高效率的辨識軟體了！