(圖/shutterstock)

作者：鄉下老師

 

最近針對我的車牌辨識核心

做了一個實驗性的大改版，

穩定性還需要繼續測試一段時間，

其中一個很有指標性的改變

是我將找車牌字元的過程

更逼近人類視覺搜尋的方式了！

我的辨識程序前半段在概念上與課本講的一樣，

灰階→二值化→輪廓→目標切割等等。

 

但是因為我的目標是循著自左而右，

自上而下找出來的，

所以目標序號也是按著空間位置排列，

當我嘗試組合目標群成為車牌時，

常常會浪費時間在處理很多以

人眼「一看」就知道不可能對的目標群！

像上圖橘色圈圈標示的幾個似乎成排的目標，

其實只是：窗簾褶皺、瓷磚與地面的陰影而已！

但是他們都在實際車牌的左方，

所以我的程式總是必須

遍歷這些愚蠢錯誤之後才找到真的車牌。

 

是不是很笨啊？我知道我的程式很笨！

但是你能不能告訴我：

聰明的人眼是怎麼「直接」就鎖定車牌的？

大多數的人都會回答：

「那不就是很明顯的字元嗎？」

重點是「明顯」怎麼定義成程式可以描述計算的數量？

其實就是每一個目標與背景的亮度對比了！

 

 

所以先算出目標與背景的對比，再加以排序，

如上例，最明顯的目標就是那「5」字！

第二到第六名分別是：

189QV等其他幾個車牌字元。

幾乎很少例外，車牌字元一定是前十名明顯的目標！

這樣先找最明顯的目標，

不是最接近人的聰明程度嗎？

當然在數學上完全這樣模仿人眼辨識邏輯，

常會遇到困難，通常是數學問題，

譬如算目標亮度差與排序會耗掉比較多時間。

 

真正人工智慧

是軟體跟人一樣有智慧！

但是我的研究理念就是堅持模仿人的智慧！

數學問題就用數學技巧去思考突破，

我不想因為數學的障礙就放棄物理的認知！

因為我的終極目標就是「人工智慧」嘛！

因為數學不好做，或程式不好寫就扭曲原意，

改用不符合人類辨識邏輯的方式做辨識，

這應該只是不得已的暫時方案。

 

逢山開路遇水搭橋，

我不會因為「選好走的路」就改變了我想去的方向！

所謂的開路與搭橋

就是研究出新的數學方法來達到我的目的了！

我堅持辨識軟體要跟人的想法一樣！

這有甚麼意義呢？

就是我的研究會愈來越逼近人類智慧的核心！

那些重視數學方法論多於「人類智慧」的學派，

我覺得不是在做「人工智慧」的研究，

只是希望抄捷徑，

可以做出跟人的判斷近似的結果！

是不是合乎「人性」？他們是不在意的！

 

 

機器不可能比人還聰明！

如果他們真的可以作出「比人聰明」的東西！

我只能摸摸鼻子，接受人工智慧的統治！

但實際上我認為根本不可能！

生物演化數億年形成的生物腦內演算法，

絕對比我們以幾百年累積的數學概念及大量統計資料，

加以排列組合與嘗試錯誤等方式

瞎掰拼湊出來的辨識軟體更強大！

所以機器學習絕對不夠格

被視為研究人工智慧的主流技術，

它們即使能得到我們需要的辨識結果，

對於科學研究求取知識的進度幾乎毫無幫助！

 

所以孔子說：「述而不作」的意義就是這樣！

孔子精研各家哲學之後，

深知絕大多數的哲學智慧

已經出現在古今各家學說之中，

他只要整理呈現它們就夠了！

不必太強調「發明」新的哲學理論。

我現在也是在「述而不作」的概念指引下工作的！

我的工作不能算發明，

只能說是去「發現」人類大腦中深藏的智慧，

並用程式語言「轉述」，

用電腦軟體呈現出來而已。

 

台灣學術界最擅長的是

「創造」完全無用的假創新！

不好意思，這又會讓我聯想到

一切講究「研究創新」的學術界！

其實有太多實際有用的事情

並不會有太明顯的「創新」，

他們就會說這只是「應用」而已，

價值比「研究創新」低！

頂大做「研究」，科大做「應用」？

兩者真的有高下之分嗎？

所以學術界最擅長的

就是「創造」完全無用的假發明假創新，

或者硬掰一些

其實是應用性質的工作有多大的創新意涵？

相信研究創新比應用有價值的人，

就是眼睛業障重了！

哪來這麼多創新議題來養這麼多博士教授啊？

一切都是假的啊！

 

 

本文及文中圖片由 鄉下老師 授權轉載， 原文 於此

未經授權，請勿轉載侵權！

(責任編輯：CMoney編輯 / Alodia)
(首圖來源：shutterstock)

 

打破一成不變，就差這一步！

六個月學程式 脫離魯蛇人生！

想學程式、成為工程師卻怕沒基礎嗎？

來這裡全程免費，給你專業訓練

6 個月，你也能成為 專業軟體工程師！

名額有限>>點我報名！

詳細活動介紹>>點我查看！

有問題歡迎私訊粉專：從０開始學程式！

或是寄信到：engineertraining@cmoney.com.tw