影像辨識技術已經被那些AI詐騙集團炒作到荒謬的程度，我是受害者，但也是受益者！受害是好多專案一開始就被宣稱有「AI」技術的團隊攔胡了！很多研發標案我拿不到！說到受益呢？就是那些AI影像辨識團隊的成功達標率其實接近於零！幾乎沒有成功過！

如果客戶被詐騙之後還不死心，還想達標呢？他們就可能會找到我，也一定能順利達標賓主盡歡了！完全不用ML、DL與CNN的影像辨識公司極少，但是專案研發的成功率卻極大！我現在的影像辨識研發專案幾乎都是這樣來的！不是因為客戶一開始就認為我很厲害，而是那些宣稱有AI技術的公司團隊讓他們徹底失望了！我是依賴宣稱AI技術很強的對手表現實在太差而存活的公司！

其實技術就是技術，總是可以說清楚講明白的！我一直就是很堅持不說謊騙人，如果我有甚麼技術讓人好奇想偷學？我總是願意讓客戶(與競爭者)知道怎麼作到的！老實說，我現在知道，即使我說得好清楚，別家廠商要學我都很難的！因為現在除了我之外的其他競爭者，都只會濫用ML、DL或CNN，跟我熟悉使用的OCR技術差很遠了，他們要跟上我的腳步，好難了！就像要吸毒者戒毒一樣的困難！

如上圖，92萬畫素的影像，203毫秒就取得五個正確的車牌資訊！是我的車載車牌辨識核心的基本能力！怎麼作到的？其實無關ML、DL或CNN，就是簡單傳統的OCR！如下圖，真的就是OCR的標準程序產生的結果，五組目標組合，產生五個車牌辨識結果。

事實本來就是這樣的！如果我可以用OCR程序找到「一組」車牌字元，辨識出一個車牌！那麼不管幾組，幾個車牌都是一樣的！只是如果我預設此畫面中只有一個車牌，當我找到一個合理車牌就收工了！像是停車場的出入口當然只會，也應該只辨識一個車牌。

多車牌辨識其實不難，只是不要自我設限「只有一個車牌」，繼續找到沒有任何合理車牌為止就好了！困難的是：其實可能的目標很多，如果車牌不只一個，如何歸納出多個車牌組合？當你面對如下的圖片時，你能搞定嗎？

其實我天天上班玩的就是這種遊戲！一點都不神奇！當然還是很辛苦！但影像辨識的實務工作絕對不是整天在調整ML、DL或CNN的參數！那些工作其實毫無意義！不會帶領你到達任何商業軟體的目標。一一解讀OCR處理過程中的每一個明確資訊，才是影像辨識的有效工作。