我的文章總是提醒大家CNN的運算量大到很不合理，也一直強調OCR其實可以很快達到跟CNN一樣的辨識目的！至少在車牌辨識的這個具體議題上啦！但是我自己並不是常態性的在使用CNN，所以很少可以定量的告訴大家具體的差距，通常只是保守的說是數十倍？

今天一時興起就來做個CNN的模擬實驗，上圖的車牌辨識用我的OCR全程辨識完畢只需要41毫秒！那我們就來試試看用CNN的Convolution概念，就是以特徵矩陣掃描的方式評估全圖所有位置是不是數字8的可能性！如上圖，結果是這個全圖掃描的動作，僅僅掃描一次，就是他們YOLO的基本最低要求，就需要5314毫秒！就是找個8就會用掉5.3秒之久！

所以即使你是用所謂極速版的CNN就是YOLO啦！只做一次的全圖特徵矩陣掃描，辨識時間依舊是5314 / 41 ≒ 129.6，也就是計算量是我的OCR的百倍以上！所以他們才必須使用很多GPU來消化這種大到誇張的計算量！但如果事實上就真的有我的這種百分之一成本的OCR解決方案，為何必須承擔這麼大的成本浪費呢？

而且這只是CNN+DL影像辨識方案中無法避免的前處理作業而已！加上後續的隱藏層與全連接層等等的複雜處理程序，最後辨識時間會是幾百倍的時差？我都不知道了！

所以拜託不要再跟我說YOLO的辨識速度有多快了？那是他們假設只有CNN是影像辨識的唯一解決方案的錯誤前提下的自欺欺人！好像早期美國的種族歧視者完全不讓黑人打NBA或職業棒球，然後自誇自讚說白人圈裡誰是史上最棒的球星？完全無視喬丹、Kobe、強森與賈霸等黑人巨星的存在？實在太蠢了！

我所以必須一再提醒大家CNN低效率的事實，一方面是不希望我的產品被完全錯誤的AI概念貶低！照他們的說法似乎OCR < CNN？事實上是OCR >>> CNN才對！同時間，我也像宣揚地球暖化危機的環保人士一樣！希望大家正視這種濫用算力造成的資源浪費與環境破壞！如果一公升的油就可以跑100公里，大家卻都堅持使用耗油一百倍的汽車？那會是甚麼狀況！

更何況CNN的辨識準確率始終都無法超越傳統的專家系統AI辨識技術！應該說從理論上的角度就不可能比專家系統的技術更好！就像根據歷史統計資料預報的氣象，絕對不會比根據科學觀測資料預報的氣象更準一樣！根據大數據產生的AI只是統計妥協的結果，永遠無法超越科學原理推論的結果的！大家就早點清醒不要繼續當被詐騙的肥羊了吧？