我不是影像辨識科班出身，沒上過課，沒接受過指導，沒看過幾本影像辨識的書，論文也看得不多，但是現在卻以此技術開始活躍於業界，多數合作夥伴都認定我是這方面的專家！我也不負所望，除了車牌辨識已經很有心得，其他各類影像辨識也都能見招拆招，目前有試過的辨識都有結果。

相對的，我有一位RD則是真正影像辨識技術的科班出身，大學就是台大電機系的高材生，碩博士班也都在台大光電所研究影像辨識。我很高興能與他一起工作，因為我做的所有工作他都能很快的理解，不必花很多時間指導就能分擔我的工作。但是說到幫忙想解決問題的方法，他總是慢了我不只一拍！面對新的問題，總是我先想出解法之後解釋給他聽，他才「哦！」的一聲驚嘆！為什麼？

其實我源源不絕的影像辨識解題「創意」，並不是來自博覽群書，更不是我的天縱英明，只是師法自然而已！我其實只是一直想著「人」是怎麼用視覺辨識目標的？任何人除非視力太差看不到，不然誰都能輕易辨識各種狀況的車牌，只要深入思考分析人的大腦辨識影像的程序，就一定會有方向了！

因為要在數位基礎上實現影像辨識程序，很自然的會用到許多數學，我們必須用數學抽象化描述真實的影像，才能繼續以定量的方式算出具體的答案。這很像玩象棋，將士象車馬炮等等其實是抽象化真實世界的軍隊，為了能夠明確的玩下去，必須有明確的下棋規則，那就是一種數學了！

當然簡化的模式常常不能完整的解決所有問題，此時人們通常有兩種反應：一是將數學依照邏輯上的可行性推演得更複雜，看看更深奧複雜的數學公式(演算法)是不是會發揮神奇的力量，算出更多合乎事實的答案？這是讀書很多的學者專家們喜歡做的事情，但是常常會玩得過火，出現很多難以理解也未必可以解決問題的新數學，學習者進入專業的門檻因此越來越高，教授的下巴也抬得越來越高，但是距離真正解決問題之路並未進展多少。

另一種解決問題的方向是一般沒讀過很多書的人比較會做的，就像我吧！會先退回到問題的原點，用常識的觀點，努力理解到底發生了甚麼狀況？看看是不是其他人有過一些簡單的方式可以直接解決這種問題？實在想不出來時就跟著感覺走，用所謂的「直覺」賭賭看了！

譬如昨天發現有幾個新案例中，原來寫的程式辨識某些B與8字元還是會有錯，就開始進一步想B與8到底還有甚麼差異？我們如果看到解析度不好的B與8會怎麼認定誰是誰？結論是8的左邊腰部有凹陷，B就沒有！如果左牆壁是平的我們會認為像是一個B，有個腰身就很像是8了！所以就立即寫個辨識字元左邊有無「腰身」的程式，果然所有的照片中B與8都不會再認錯了！

我的辨識程式就是這麼直覺！只是努力將我們的視覺判斷邏輯數位化而已，毫無神秘之處！如果你也像我一樣自我分析過，你會發現我們眼睛做的影像辨識準則多到說不完，所以我的「創意」也就源源不絕了！更重要的是我不會因為怕破壞「完美的數學模式」而受到限制，先求解決問題再說！這當然會讓程式自由發展成為違建區或貧民窟(很亂)，那不打緊！過一段時間整理一下就會再度變得很結構化，看起來很有道理了！

簡單說，我的影像辨識解決方案永遠是尊重直覺與常識遠勝於學術理論的！當我碰到無法解決的問題時，我不會努力揣摩學者專家們會怎麼想？而是努力思考小學生會如何看待這個問題？就像「三個傻瓜」電影中提到的笑話，在太空中因為無重力，鋼筆不好用，科學家就大費周章的發明了無重力也可用的太空筆，但是小學生可能會說：用鉛筆不就好了！

我的數學其實不太好，大學時代的微積分、微分方程與工程數學等科目都是差點被當的！只是勉強夠將我常識性的想法表達出來而已，加上我很會寫程式，我的數學概念可以像一般人講話一樣，一想到就能很快變成程式讓電腦執行。要我找到合適的數學理論解決問題，我大概每個問題都必須研究好久，幾天幾周到幾個月都可能！這種速度是不可能讓我在兩年時間做出商業化車牌辨識系統的！

為何如此呢？難道小學生的智慧高於大學教授？其實不是的！以影像辨識來說，人類生物學上的影像辨識程序並不是偶然的，那是經過幾億年的演化形成的！所以我們對於「看東西」的程序與方式一定是很有道理的！比科學家研究幾百年的時間還多上千萬倍欸！會用錯誤不良的影像辨識程序看東西的生物已經早就絕種了！

所以研究理解自己與一般人是怎麼看東西的？會比讀很多書聽很多課更有啟發性！更快成功的開始影像辨識研發之路，我就是這樣來的！