本週就是本公司開始研究手寫辨識的歷史性的時刻！當然是從最單純的阿拉伯數字開始囉！我們和AI詐騙集團最基本的差異就是：我們絕對不說大話畫大餅給人看或安慰自己！雖然手寫字變化很多很大，但是畢竟只有10個字，如果可以抓準特徵，預期辨識率應該可以高到95%以上，甚至98%的！

這次取得的這筆MNIST手寫數字資料集總共有28000張28X28的影像，他們也整理了每個數字約60張影像的所謂TrainingSample，就是讓機器學習玩家用這些較少量的資料按表操課訓練辨識模型用的！訓練出自己的模型後再用那28000張的影像測試實際辨識率的意思！

其實很矛盾的是：既然網站的資料提供者就是機器學習的專家，那麼他們自己訓練的模型一定就是最好的！直接拿出來賣，或讓大家下載使用就好了！何必問道於盲？還要大家自己下載資料之後又要按照他們的指示操作機器學習訓練呢？我想他們是假設如何操作這些模型訓練的步驟是有意義的AI研發訓練！

但是我已經一再說明討論過了！這種機器學習的訓練操作根本與科學事實及原理完全脫節！學會那些操作模型訓練的技巧並不會讓你更理解影像辨識的原理與技術！統計學訓練出來的模型也一定不會比Rule-based的專家系統更穩定準確！所以大家不必期望過高，我們也完全不會理會那些網站提供的Python程式素材，直接就開始用我們自己的基本技術用VB寫辨識程式了！

當然一開始就是一些基礎建設，我和我的RD其實是各做各的！要寫好我們接下來要做研發實驗的開發環境程式，同時也要開始思考我們用於辨識的基礎特徵！我是先從幾個明確又絕對不可忽視的特徵做最基本的分類！還不夠明確嗎？看上面的圖就知道其中之一了！

我會試圖找出如上圖形中的封閉區塊，通常0、6、8、9幾個數字是會有這種區塊的！其他的1、2、3、4、5、7幾個字基本上就沒有！接下來如果是0的封閉區塊會佔據中間大面積的位置，6與9則是一上一下，如果上下各一個呢？那就一定是8了！所以只要掌握幾個這種關鍵特徵，加以合理的量化加權值，應該幾天之內就可以達到九成以上的辨識率了！

所以Rule based的影像辨識並不難做，但是你必須有很敏銳的直覺！要是缺乏想像力，對於辨識關鍵特徵的理解不夠甚至錯誤？那就會原地打轉很久都走不出來了！所以那種程度的玩家還是用機器學習算了！即使完全不懂影像辨識也加減會有點成果嘛！不多聊了！好多事情需要忙！