周五出差途中接到新買辨識核心的客戶傳來Line訊息說，他們測試某一批資料正確率只有50%？人在征途無法立即檢視狀況，但是心情大受影響，我的車牌辨識甚麼狀況才會辨識率低到50%呢？

昨天在家度周末還是無法認真研究，但找到前兩年帶回家的舊實驗程式，打開他們說只有50%辨識率的資料。原來那些是如上的低解析度資料！其實就跟我在2013年開始研究車牌時的路口監視器拍的照片一樣！當時我也只有這種品質的資料，連比對字模都設計得比現在小很多，大約只是現在的三分之一！反正所有參數設計都不一樣啦！好像高速公路與給馬車走的路設計的差異！

我的第二代辨識核心當然就不會刻意再針對這種低解析度的影像硬拗了！因為百萬畫素時代迅速來臨了，車牌辨識用的影像沒有百萬也有三五十萬，如上全圖才七萬多畫素的小影像已經是博物館的展覽品了！我的新版辨識核心當然不會針對適應這種特殊影像的作辨識了。

當然50%還是太誇張，太侮辱我了！我沒有刻意調整程式，直接試試他們說無法辨識的失敗影像，也大約有一半用目前核心是可以辨識的！我當年針對這種影像的舊版辨識率大概就可以到85%左右了！於是很客氣的回應：如果他們還是需要辨識這種「特殊」影像，我可以為他們客製化！他們則趕緊說只是拿舊資料跑跑看而已，不必客製化。他們有這種骨董影像，表示該公司作車牌辨識的歷史也必定超過十年了！

這也說明了我前面說過的概念，要建立大小通吃無所不能的辨識軟體(AI)其實未必做不到，但是代價可能很大也不需要。如果是你日常工作根本用不到，不可能面對的狀況，你都要讓程式空轉做一次，這不是就是所謂的強迫症了嗎？做很多根本不需要做的事情，來預防不可能發生的狀況？資源排擠之下就會讓軟體表現變慢變差了！

我不是做不到，但你真的需要嗎？凡事要做都是有代價的！你要的東西我就盡量做給你用！這種影像的車牌辨識率也一定可以作到>90%的！但如果你都找不到這麼低解析度的攝影機了，我費力研究這種辨識軟體的意義何在？你必須先想清楚的！不然就是浪費你我和這個世界的資源！AI產業不是搞神祕的產業，而是務實踏實的實用科技，要多少就做多少，你不想飆車賽車就不必買千萬超跑的！