假如本身沒試過用常識，也就是我在教材上學過的物理、數學與程式設計，去「玩」過車牌辨識，就開始看這類論文。會有兩個效應： 第一是誤解所謂的五大步驟是作車牌辨識不變的鐵律，像物理學的光速守恆一樣！事實受騙然不是！那只是前面大都人做出有用成果後，歸納出自己用的方式概略的步驟。
所以每個失敗案例我都可以在五分鐘以內告訴客戶緣由，如不須開發新法式或演算法，我10分鐘以內就更新調整改版給客戶更好的軟體了！這是所有以類神經網路為根蒂根基的軟體所做不到的！因為他們的軟體為何犯錯？如何處置這個問題？連「設計者」自己都不知道的！那售後辦事要怎麼作呢？
在車牌尋覓的部分，我們利用影象粗拙化手藝來下降影像的資料量，提拔處理速度，再由濾波器強化車牌影象後找出車牌的位置翻譯經過嘗試成績已達到98%的准確率，相當做功翻譯在影象前處置懲罰部分，我們依字寬前提設計濾波器來強化字型部分，再做二值化除去背景雜訊。在字元的辨識部分，我們以梯度方向的區塊統計為特徵，採用倒傳遞類神經網路對數字、英文字母和英數字夾雜進行辨識。字元辨識率也達90%以上翻譯
看出AI研究者為何特別喜好類神經網路了嗎？成立進修資料要錢，要低階勞力，但研究人員沒事！要跑資料時需要超等電腦，老闆出錢買，研究人員看結果調調參數就好，很輕鬆的！相對於傳統科學研究的體式格局，每張車牌辨識失敗的緣由都不一樣，你必須逐一領會病因，一一寫出診斷與對應的演算法，那就太累了！能輕鬆過日子，誰會想回到「古代」科學家的辛勞日子呢？
話題扯遠了，先看看這篇碩士論文的摘要吧！
對問題還理解不深就最先研讀方式論，我的感覺是彷佛國中上數學物理時，還不懂原理就猛背公式解法的狀態。因為不懂為何要這麼作？論文上那些數學方式看起來就加倍神秘與神聖！不知也不敢擅自更動？然則套用前人的公式不算「研究」，那要怎麼才算呢？那就守舊鄭重的改動一些參數或法式就好了嘛！只要不讓本來的方法崩盤，還加減會讓了局在「某一方面」好一點點，就算是「研究」了！論文及格，打完收工！
第二種效應更糟！就是看到「倒傳遞類神經網路」之類的名詞就當即跪倒膜拜！越抽象越崇敬！若是認真去浏覽後還是不懂？就更崇敬！自此不敢將這個偉大的程序從
比如「水平軸導正處置懲罰、垂直軸字元切割」這兩個步調是假定車牌影像大致是接近水平與正面拍攝的，隨著他跑，你設計出來的辨識系統就會車牌一傾斜變形就抓不到！市道市情上的車牌辨識系統不都有這個問題？天成翻譯公司還要堅持繼續追隨嗎？也許你一開始研究時不像我此刻這麼清楚這些步調的傷害水平，可是你應當相信本身！照自己的設法主意先碰運氣未必就欠好。正如林書豪在政大演講說的：人必須有點瘋狂！才可能有成就。(大致是這個意思)
然則你忘了嗎？天成翻譯公司的目標是做「辨識車牌」，前人的做法不是鐵律，我為何必須遵守五大步驟？我為何須須利用類神經網路？為何天成翻譯公司跳脫不用，不守禮貌就仿佛變成「外行」了？那些「熟行」的不是也沒做得很好嗎？他們憑甚麼對後進們說長道短的？就像現在大談AI的「專家」其實多半沒有自製產品問世暢銷，卻知道AI的世界大勢與未來成長？你能信嗎？
若是沒經過這個進程就去看很多論文，天成翻譯公司的感受是很不紮實！因為論文多半是寫研究方式，說他是怎麼作的？不會詳談根基原理，乃至不談他「為何」要這麼作？只說：「前人曾經這麼做過，還不是很完善，天成翻譯公司就試著在方式上做點增減改變，結果
偷懶未必是壞事！當我們無計可施時，用統計方式讓工作至少有個趨近准確的成果，並且時間上還趕得上火車，這類技術就是救命靈藥了！傳統的車牌辨識其實就是受限於計算速度，所以都只能過度簡化影象資訊來及時獲得謎底，現在百萬畫速時期來臨，影象清楚多了，電腦也好了，不再能這樣呼攏曩昔了！
天成翻譯公司的車牌辨識研究不是從看論文最先的，事實上從碩士論文入手下手，我做任何研究都不是從看很多論文最先的！老是找到問題後，先試著用「講義」上學到的基本道理知識去理解剖析問題，然後試著寫些程式測驗考試解題，有可能直接就把問題解決了！即使還不克不及，我也對問題的理解更深切，把握更好了！通常再多走幾步就到點了，「偶然」可以從某篇論文中找到適用的方法，如斯罷了翻譯
所以機器進修最大的用處是處置懲罰我們還沒時候充實研究掌握的大量資訊，可以免讓決策開天窗，做出還能接管的辨識率，但是要像車牌辨識如許要求到九成以上接近百分百的議題，步步爲營的科學研究模式才是最好的方向。
本論文在車牌辨識手藝上已達產業需求標準，但實際情況多變，需再搜集利用上的問題進行改善。
可是沒有真正針對事實現象作研究的科學家，只依賴統計東西研發軟體猜測謎底，其實科學知識手藝是處於障礙狀況的！我可以告訴列位，天成翻譯公司的車牌辨識就是根據傳統科學體例一步一步踏實研發出來的！天成翻譯公司的軟體裡面完全沒有猜想統計的成分，只有診斷與對策。
可是研究各種影象狀況的處置方式，逐一為其設計演算法，也就是如何清掃各類雜訊直指方針的過程，所需要的研發工作實在太累了！此時統計，或測驗考試毛病、累積經驗、自我調劑(是電腦自我調劑，人不需要忙)的類神經網路技術就是良多這種研究者的流亡天堂了！
留言列表
