剛剛給自己的RD上了一課，很有金庸小說中張三丰教張無忌太極拳的味道！我其實是教她打掉我們習慣使用的一套非常有效的二值化程序，針對目前遇到的新問題重新設計一套很不一樣的程序，她這段時間已經很習慣在我建立的「基礎」上作研究，也就是我們有很軸心的幾個程序幾乎永遠不變，再針對不同的問題增減外圍或上下游的程序，這樣也作得不錯，多數問題都能解決。

但是工具用久了有時候會忘記，那些軸心程序當初也是假設某些狀況條件之下設計的！並不是不能改變，也不會永遠適用，這次就是碰到比較特殊的狀況，我建議將一個原本是二維的程序簡化成一維，但是門檻值的決策過程卻複雜化到要用上了頻譜分析！我建議的程序真的非常不像我之前的「作品」！當然我不是隨興耍帥，這是與RD詳細討論幾天，經過很多案例分析問題關鍵之後才想出來的！她聽完我的規劃意見，也同意新構想是比之前用的程序更合理更好，已經高高興興地開工去了！

相較來說，多數作影像辨識的年輕人會很喜歡有一堆LIB放在手邊，像是OpenCV或Matlab之類的程式庫，好像自己有一個兵器房甚至軍火庫，可以兵來將擋水來土淹。我的心態與做法似乎完全相反！不僅完全不想用這些Lib，甚至提醒我的學生：這些東西，包括老師給你用的舊程式模組，看懂原理就好，隨時打掉重作都沒關係！即使不必改寫，自己記得原理每次要用時都重寫一次也會增加功力的！

面對影像辨識的研究，真正最有用的「武器」不是現成的程式模組，將事情「作對」才是難的部分，程式「開發得快」沒有意義！要作到精確作到對症下藥，對於問題的清晰掌握理解才是重點，工具是最後才會用到的選項，而且還會倒過來限制你的思緒，因為你只能開汽車就不會想到走路的解決問題方式，但有時候走路才能正確的解決問題。

如果我連LIB都建議不用，那麼我對於機器學習的態度就不言可喻了！那叫財大氣粗隔靴搔癢，叫一堆傭人辦事，事情辦好了沒？怎麼辦的？你根本不太知道，甚至也不想知道！這有甚麼好玩的？事實上也多半很難跟我的產品競爭效能。把物理學好，程式學好，把覺睡飽，保持清醒的頭腦才是最佳的影像辨識研究利器！Lib根本可有可無！