當所有人都在吹捧CNN(類神經網路)作影像辨識有多好？甚至快被視為「唯一」指名的影像目標搜尋方式時，我的各種影像辨識研發工作始終都還是對CNN敬而遠之的！最多只是在極小的模糊區域使用來猜字之用，這絕對不是積習難改或是偏見，而是實務上真的不能用！

因為一旦使用CNN計算量就會大上數十倍，辨識時間也會拖慢數十倍，要讓辨識速度變得合理，我就必須使用GPU的螞蟻雄兵來幫忙，那就表示我的成本會增加很多很多倍！如果辨識率會因此提高或許還值得？但事實上不會！很多開發者是根本不太會使用傳統的OCR方式，所以必須使用CNN，但我知道比CNN更快更有效的演算法，當然不必靠CNN討生活，不是我不會用，而是事實上不能用！

如上的案例，我使用OCR的方式辨識車牌，1920x1080的影像只需要120毫秒，也就是0.12秒。基本上是將全圖做二值化，再一一圈出黑色的區塊，因為黑字白字都有，所以正負片都要做目標切割，如下圖：

上面兩張圖上事實上我可以切割出13556個區塊目標，聽起來好像很多？但這種運算使用氾濫式演算法是非常快的！完全不必使用甚麼矩陣運算，就是沿著目標輪廓線連起來就可以了！找到那些原始目標後，可以依據它們的大小形狀與前景背景的對比度(亮度差)等資訊，很快就篩選出只有幾十個可能是字元的目標，如下圖：

要用這極少數(僅24個)的資料組織出合理的車牌，當然也是很快很容易辦到的！車牌組織好之後每個字元是甚麼字？就將每個車牌內的目標縮放到字模大小比對即可！這時候我的演算法才須用到最耗時的矩陣運算，但是範圍極小，所以我可以用這麼短的時間辨識成功！也可以很快將注意力集中於字元破損模糊等等例外，提高極端狀況的辨識成功率，所以我的辨識軟體才能既快又準！

但是如果要跳過上述OCR的方式，用CNN的矩陣掃描方式直接從全圖中找到各個字元的特徵呢？那(全圖)每一個點的位置都必須做一次矩陣的相乘疊加計算，如果特徵矩陣是11x11那就是200萬畫素的121倍的乘法計算了！而且不同的字元特徵不同，你不可能只用一個特徵矩陣掃描就得到辨識所有字元需要的資訊。所以計算量又要乘上好幾十倍了！

如果你有好好讀書上課，CNN的概念是不難理解的，加上有OpenCV之類的工具函式庫幫忙，要實作也不難的！但是好像那些AI學者玩家都故意隱誨這種演算法天大的缺點？它的計算量實在太大了，大到作出來的辨識軟體「速度慢到賣不出去」！所以他們才需要GPU來救命的！但是要用GPU就表示要花更多錢買特殊規格的電腦，至少需要特定規格的顯示卡，還要買CUDA中介軟體，最後的結果就變成產品「貴到賣不出去」了！

我作影像辨識不是退休後的消遣，而是想靠這些研發賺錢討生活的！所以即使我真的很認真學會了CNN的概念甚至實作方法，但是淺嚐之下就發現完全不能用！速度太慢辨識率還很難提升，我用OCR前處理得到的資料就是字元目標了！但是CNN前處理之後還是散亂分布於全圖的特徵資訊，連可能的車牌字元在哪裡都還不知道！

所以我絕對不是標新立異，故意跟ML、DL與CNN這些熱門技術唱反調！這些技術至少以車牌辨識來說，完全比不上OCR的技術，簡直是天與地的差別！尤其是當你想做出可以賣的商業影像辨識產品時，用CNN是一點成功的機會都沒有！不是太慢就是太貴！只能等著被我這種不用CNN技術的廠商羞辱了！