越南的車牌辨識已經玩到摩托車了！因為機車的車身寬度有限，車牌也不能太寬，越南車牌的字數一般就是八九碼，最少的也有七碼，如果硬做成單排，不是字必須縮得太小，就是車牌太長會妨礙交通了！所以他們的汽車車牌多數是單排字，機車就全部都是雙排字了！而且機車可以傾斜的角度較大，所以雙排字還要做很準確的旋轉，難度不低！

目前處理的這一批影像比較討厭的是很多如上的局部反光，讓字元變得不完整，應該是車牌使用的材質問題，如果反光範圍太大我也只能認輸，但是如上只是某個字破碎缺損我就投降？那就很不服氣了！硬猜也要猜出一個合乎車牌格式的答案嘛！

如果只用OCR的作業方式，上圖的5字當然是無法辨識的！但是就像玩拼圖吧？如果只缺一個字，即使那個拼圖塊本身破碎了，比對剩餘的殘缺部分應該也可以猜個八九不離十的！這其實就是CNN說的Convolution操作了！在這個應該有完整字元的區域掃描比對所有字模，符合度最高的就應該是正確答案了！毫無懸念我可以猜對這個字是5！

所以我也不是完全不用CNN的！實在無計可施時，在確定有字的小區域用CNN做最後的猜測嘗試也是效果很好的！但我不會笨到把CNN當作搜尋全圖特徵分布的前處理作業！想像一下你有數十個不同的字模特徵矩陣，都要掃描全圖，而且因為不知道字元的大小，還必須用不同尺度掃描很多次！在這個愚蠢架構之下，再怎麼優化都很浪費時間的！所以即使是最新版的YOLO速度效率還是遠不如OCR的！這個事實各位知道嗎？而且他們的加速必須付出降低正確率的代價，OCR則完全不必！

為了提高準確率，如上圖我是先以整張車牌的尺度做幾何校正，就是把車牌轉正之後再找到缺字的區域做CNN掃描的！妄想可以直接掃瞄出各種傾斜角度的車牌與字元？當然是愚不可及的！會讓CNN全圖掃描的時間再乘上數十倍！這種運算浪費應該連輝達的超級電腦晶片也救不了的！所以目前的CNN(YOLO)找到車牌的速度或許夠快，但正確辨識內容的能力極差，所以無法挑戰OCR在車牌辨識軟體的地位，終究辨識率高才是軟體品質的關鍵前提！