圖一 杜拜車牌

只用了一個月就做好了東南亞好幾國的車牌辨識核心原型，但聲稱要幫忙收集資料的廠商資料遲遲未到，想要繼續精進調整也無米可炊，開始覺得無聊了！想起手邊還有三年前某個野心勃勃想前進中東的廠商收集的一批杜拜車牌影像，因為後來推案未果無疾而終，我也沒積極研究。現在既然玩開了，閒著也是閒著，就試試看辨識杜拜車牌吧？

先是想搜尋一些車牌格式資訊，卻發現找不到！連杜拜這個「國家」都找不到？稍作研究後才發現杜拜不是一個國家，而是「阿拉伯聯合大公國」(U.A.E)的一個都市，這麼有名當然是該國最大的都市了，說是首都也可以。想當然耳，杜拜的車牌就是阿聯國的車牌了！又增長地理知識了！

該國車牌看起來內容有好多東西，但還好必須辨識的不包括那些像蚯蚓一樣的阿拉伯文，但麻煩的是如上案例顯示，上排的白字5和下排的黑字45110都是車牌認證的必要成員，各國車牌都沒看過同時要辨識黑字與白字的！他們卻有不少車牌是這個樣子，這會造成甚麼困擾呢？

我用的OCR技術中必要的一個過程是二值化，就是把車牌變成黑白圖，然後把黑字「或」白字切割出來作為辨識標的。但同一車牌內容黑白字都有就是一個大麻煩了！辨識台灣車牌是先辨識「黑字車牌」，處理完再嘗試辨識白字車牌的。如下圖，雖然我可以辨識兩種車牌，但事實上辨識流程是獨立分開的！

圖二 台灣車牌

現在碰到同一車牌內可能同時有黑字與白字的狀況，就必須先收集所有能看到的白字與黑字一起處理了！要把核心的基礎辨識流程打掉重作當然挺麻煩的！所謂的牽一髮動全身，很像原本男生走左邊女生走右邊運作良好的系統，現在要讓男女生都可以任意走左或右，所有環境設施都跟著要兼顧性別差異，想到就會頭痛！

所以昨天到今天只做好了一件事，就是如圖一顯示的，讓黑白字目標同時彙整到一個畫面！接下來就要開始嘗試組織這些目標了！大家不知道的麻煩事，其實是當車牌有缺字時要搜尋補上正確的黑或白字，過程邏輯是與黑或白字相關的，可有得忙了！

很無厘頭的聯想是：難怪很多國家會重男輕女？因為假設女生(女權)根本不存在，就省事很多了！譬如女生都不准出門，所以公共場所不必蓋女廁！但是真實世界當然不能這麼粗暴簡化，忽視女權的結果必然得不償失也違反人性行不通的！其實做任何AI的工作都必須有此體認！好的AI永遠不會簡單的，必須面面俱到，精準處理所有可能出現的狀況。

我認為現在的AI會一面倒偏向機器學習的基本原因，就是太多人不願意誠實面對與解決所有真實世界會發生的問題！總是妄想著不必一一想出演算法去處理每個複雜狀況，期待電腦用巨量資料與無止盡的運算自動產生智慧來代勞？即使可以作到，也是非常耗費資源、低效率又不環保的糟糕選擇。

以影像辨識來說，認真打基礎蹲馬步，理解所有問題的成因，對症下藥設計演算法，永遠比使用機器學習的研發方式快速又省錢！想偷懶不傷腦筋的人根本就不應該選擇這一行！以為可以靠ML、DL與CNN等技術輕鬆快速達標賺大錢嗎？那是清秋大夢！現實上是從來沒發生過的！