這麼骯髒還扭曲變形的車牌也能辨識？而且速度還很快，只需要137毫秒，也就是0.137秒！看起來很神奇？但是我可以用多格漫畫讓大家清楚看到我辨識出正確車牌的流程，完全沒有神秘與神奇的奇怪演算法！只有精確合理的科學原理與定律！

上圖從左上方開始，依序是原始影像→二值化→輪廓化(切出目標)→字元群組化(淘選排列整齊大小相似的目標)→幾何投影校正(任意四邊形變形處理)→字模比對！三十年前介紹車牌辨識的書或論文就是這麼寫的！我也就是讀這些幾十年前就有的影像辨識文獻自學成功的！當我還根本不知道甚麼是機器學習？深度學習？與類神經網路？之前，我做的車牌辨識軟體就已經暢銷全台灣了！你還以為影像辨識真的需要那些AI技術才能做嗎？當然不是！

這很像奧運金牌和被淘汰的選手其實多半都是用一樣的方式受訓練的！只是努力程度與一些細節操作上有些微的優劣，就是點點滴滴的細節研究處理掉很多小問題，我的車牌辨識才能殺出重圍比別家的品質好，這些過程毫不神祕但也絕無僥倖！其實至今為止市面上暢銷的車牌辨識都還「不是」使用ML、DL與CNN做的！我的對手競爭產品也都是用跟我類似的傳統技術做的！你們知道嗎？

那些AI技術(ML、DL與CNN)已經被炒作有十年之久了！弄到多數人都誤會它們「已經」是影像辨識應用的主流技術？事實完全不是這樣的！他們只是機率統計學，用大量資料「估計猜測」標準答案的工具！就像各種算命的方式，沒有一種是精確的科學推理，所以準確度不可能高到可以達到實用的目標！如停車場需要的98%辨識率就是AI影像辨識遙不可及的外太空了！

另一個很好很貼切的比喻是氣象預報！我們的確可以用大數據做氣象預測！事實上幾千年來所有古文明都是用他們之前累積的經驗，歸納出的規律趨勢預測天氣的！但是請問現在我們信任的氣象預報是怎麼產生的呢？想知道颱風路徑會偏南或偏北？是用之前幾十年累積的颱風路徑資料「學習」出來的嗎？

當然不是！我們有更科學更精準的方式做預測！就是根據實測的溫度、壓力、濕度、風速等等資料，再用科學原理：包括動力學、熱力學與氣象學等等數百年來科學研究出來的定律公式，寫出完整的數值模擬程式推算出來的！放任AI使用舊資料統計(學習)出來的結果，絕對不如真正用科學原理與實測資料「計算」出來的結果準確！這已經是大眾的常識！如果有甚麼專家出來主張氣象預報也要「AI」化？一定要用深度學習？他會被笑死！被認定是出來搗亂的！

氣象預報如此，影像辨識也是完全一樣的！但是現階段那些AI技術就是被吹捧過頭了！以科學定律推理演算的影像辨識方式反而被嚴重低估忽視，被視為落伍的科技了？我的存在就是一個強而有力的諷刺反證！證明以科學定律製作的AI效能一定遠遠高於那些以機率統計為基礎的AI！不論是準確率、執行效能或開發成本都是如此！

我每天不厭其煩地反覆說明這個鐵的事實，只是希望這波AI影像辨識詐騙風潮產生的災情可以降低！使用那些統計學AI技術，即使你投入再多資料，採用再「深度」的學習模式回歸運算，準確率都不可能達到98%或99%的！較簡單的辨識需求確實可能訓練到完美，但也還是不必使用那些技術的！因為用傳統科學的方式很快就能用少量資料做到完美，根本不需要大量資料與冗長「訓練」的！那種AI影像辨識就是錢坑詐騙毫無疑問！

使用傳統的科學影像辨識技術開發產品，就是我的公司日常在做的事情，我們的各種影像辨識專案與產品多年來都做得又快又好！完全不必使用那些所謂的AI技術！你絕對可以相信：即使沒有ML、DL與CNN，影像辨識也絕對不會停產，還一定可以進步發展得更好！我們公司的存在，與AI影像辨識產品至今都還普遍缺乏競爭力，就是最佳的鐵證！