92萬畫素的複雜背景街景影像中，字元目標小到只有13畫素高的路邊停車車牌，辨識軟體可以找得到它都很神奇了！而且辨識結果完全正確不說，速度還快到只需要86毫秒！就是不到0.1秒就搞定了！這就是我最新版的車載車牌辨軟體的辨識核心強度！

上篇文章就是這個軟體的使用說明了！還可以同時動態辨識六個畫面咧！舊版只能看一支攝影機，現在想裝六支都可以了！我是只賣純軟體的，但是這個軟體就是直接辨識電腦螢幕，不需要任何特殊硬體配合，如GPU甚麼的碗糕？不用的！任何一般規格的攝影機與電腦客戶都可以自己隨選混搭的！

抓到你了！新車牌辨識 抓欠稅車催繳錢

這個產品從2018年推出至今四年了，如上有關此軟體的相關報導多不勝數！客戶方面是無負評的！目前台灣各監理所與稅務局都買了！台灣南部的私人尋車業也已廣泛使用，他們說我的這個軟體太強大了，沒買的業者就不能活了！以前好幾天才找到一輛車，現在一天可以找到好幾輛！沒這個武器就只能退出江湖了！

即使銷售業績還行，但預期的潛在市場需求還是非常大！也沒看到強勁的競爭對手？或許我的小公司廣告還打得不夠多不夠大，不然任何警車或公務車，凡是需要找特定車牌的都應該買上一套！軟體價格不過數萬元？加上電腦與攝影機等硬體，也只是十幾萬元的小投資而已！跟之前其他公司類似系統要價一套30萬比起來，真的太便宜了！

在影像辨識或AI產品的市場，廠商都很喜歡搞神秘！其實不好的東西都會宣稱有AI密技？表現好的東西更是對於真正的核心技術諱莫如深！我是一個辭職創業的教授，不是市儈的生意人，更不是詐騙集團，我不想來那一套的！AI不是宗教或巫術，影像辨識也不需要甚麼AI密技，就是合理的演算法而已。

現在的AI技術被炒作過頭，好像作影像辨識就非用CNN、DL或YOLO之類的技術不可？其實那是騙人的！目前車牌辨識市場上的軟體極少，或根本沒人用那些技術的！我就完全沒有！我也不會為了蹭AI熱度說有的！我真的沒用CNN，但我的演算法在車牌辨識應用上，絕對好過CNN很多倍！

而且我不介意直接跟大家介紹我的技術核心概念！跟CNN基本的差異就是我的演算法不會將掃描「局部」特徵當作辨識的基礎，所有的演算法都是盡量集中在「全域」的思考！奠基於傳統的OCR演算法，但從如何定義灰階？如何設定二值化門檻？如何切割目標？如何群組化目標？都針對車牌辨識特化設計！

因為我的演算法不需要大量掃描全圖蒐集局部特徵資料，所以先天上就很省計算時間，當然也不需要甚麼GPU來幫忙了！接下來CNN的方法當然也需要整合卷積層獲得的大量資訊，就是池化層、隱藏層或輸出層甚麼的那些神祕碗糕？這些其實就是我說的「全域」思考了！CNN也需要的！

但是他們太拘泥於數學模式，既然號稱CNN是模仿人腦思考模式，但卻又絕口不提一般人都會使用的直觀思考？搞得連操作ML或DL過程的人自己都不知道在玩甚麼了？當然會浪費很多研發時間，成效也很差了！而且他們如此深陷於數學模式之後，預期的神奇AI智慧也沒出現過！只是繼續殺時間燒經費而已！

我就不是這麼幹的！不需要全圖掃描甚麼東西？就是如下經過灰階→二值化→取輪廓→圈出可切割目標→篩選出像是車牌字元的目標→加以排列組合：

這整個演算過程中，我始終知道我在幹甚麼？任何一般人也可以看圖就知道我在做甚麼！始終非常明確直觀，就是設法找到車牌而已！根本不需要掉進CNN那種複雜奇怪的數學沼澤！你一樣可以，還更快，找到正確的車牌！我都已經寫書教你了！不是嗎？用CNN作車牌辨識是脫了褲子放屁找自己的麻煩而已！

而且你發現了嗎？CNN通常只會強調「找到目標」的技術，但那只是影像辨識的前半段，譬如鎖定了車牌之後，要「辨識」車牌的實際內容意義還有很多工作，其實還是必須回歸OCR的流程的！CNN有「淘汰」OCR嗎？始終沒有！也絕對不會的！

當我把自己的車牌辨演算法發展到這個地步時，回頭看CNN的高深學問真的只能瞠目結舌之後再搖頭嘆息了！不知道會害死多少人，燒掉多少錢去做傻事？明明就有很多簡單直覺的影像辨識方法與概念的啊？他們到底是不知道？還是不會用啊？