這是一張我的資料集裡面一直被認為不可能辨識成功的大魔王級的考題！為什麼沒有直接被刪掉呢？就是因為用人的眼睛還是可以穩定正確辨識出來的！這麼多年來我一直懷抱著渺茫的希望？期待我的演算法有一天可以辨識出它來！結果今天奇蹟真的發生了！

以技術面來說，這麼模糊兼破碎的車牌必須用較高的門檻值做二值化！盡量讓字元融合不破碎！但即使是用了高門檻策略其實也只有V與R是勉強成為較完整的目標，但是這已經足以讓我做出正確的歪斜變形的幾何校正！如上圖！接下來就是CNN的探索了！我真的是用CNN的Convolution概念一一找出這些極度破碎的字元的！

重點是：我付出的辨識時間代價只是153毫秒而已！按理說，如果我是用CNN的特徵矩陣搜尋的方式找到這些字的！那麼全程用CNN與DL技術的車牌辨識軟體也一定可以做得到！這就是CNN真的強過OCR的地方了！但是全圖使用CNN方式掃描的計算量實在太大了，辨識速度一定會慢到讓人以為是當機了？

那為何我可以兼得兩種演算法的長處？可以保持OCR的超快速度，又能擁有CNN的超高模糊辨識力？重點關鍵就是「有線索才追蹤」！我是用OCR取得線索的！就是那兩個勉強可辨識的V與R！這階段速度是很快的！如果不必動用備案的高門檻二值化，所需時間就更短了！根本不會超過100毫秒！

有了線索再根據它們所在的位置，在小區域內做重點式的搜尋，即使是計算量很大的CNN，因為實施區域很小就不會很耗時了！所以我雖然天天罵CNN效率低，但它確實是有優點的！而且真的是傳統的OCR做不到的優點！那就是模糊辨識能力！我只要不濫用CNN做太多無效的搜尋就沒事了！

所以嚴格說，我現在使用的技術是OCR與CNN的完美結合！OCR可以從全圖中快速找到可能是車牌的線索，接下來就可以用CNN集中火力將即使非常模糊破碎的目標都一一搜索出來！誰說CNN與OCR是完全兩回事呢？八仙過海各顯神通當然很好！但八仙合作各司其職發揮所長變成一個復仇者聯盟呢？當然會更強大有效率的！