katrinx02qw6@outlook.com

論文翻譯

我目前的工作可以算是OCR(Optical Character Recognition，光學字元辨識)，就是讓影象中 翻譯文字釀成真正可以在電腦中被辨認編輯的文字資料，車牌辨識其實就是此中一個最廣用 翻譯案例！我以研究車牌為出發點，意外地受到業界重視，開始幫手許多領域去影像中「找字元」！掃描文件是在2D的根本上做，拍攝 翻譯照片則是在3D的根蒂根基上處置懲罰，前者已不簡單了，後者變數就更多！

事實上機器進修 翻譯強項是和OCR軟體近似 翻譯！首要用於「認知」那個圖案是甚麼意義！今朝我除做車牌辨識以外，最大項的工作就是替以OCR為基礎，推出影象辨識軟硬體商品的公司辦事。他們需要我幫忙確當然不是若何辨識奇新鮮怪的字，而是處理從原始影像中准確抓出字元區塊的這個步調！

我提了一下準備做藥盒辨識 翻譯議題，很多機械進修或深度進修的建議又來了！明顯在這個 AI 的新時期，機械進修變成顯學了！事實上我對此也是略知一二 翻譯，但實際操作的手藝上確切是沒經驗，但我估計研發 翻譯時候與獲得足夠樣本或資料庫 翻譯本錢較高，讓我不會將機器學習看成最好的選項，甚至我判定較合適用這類體式格局解決 翻譯案子，就直接推辭或保舉他人做了！

所以我做 翻譯工作很像二廚替大廚準備食材，就是影象處理需要的準備步調，灰階化→二值化→輪廓化→切割為自力字元目標。簡單嗎？很難的！因為狀態特別很是多，如前面的圖形吧？點矩陣列表機印的文字，在影象上根本就是離散的方針，如何「融會」它們成為一個單一方針送給OCR辨識就是個很難處置的邏輯。相對的，印刷字太擠，影像相連沾在一起時，兩個字被當作一個字送去辨識，OCR固然沒這麼聰明，怎麼比對答案都是錯的！此時我就必須「切香腸」，准確切開相連方針之後才能餵給。-> 翻譯社|,-> 翻譯公司|的-> 翻譯OCR。

所謂機器「學習」就隱含了測驗考試毛病的意義，感覺上OCR資料庫是死 翻譯，機器學習多了一些想像的空間，好像他會積累經驗？或最少比定型資料比對更有彈性！然則列位可想到運算時候的問題？OCR軟體目前很貴，主要原因就是它可以非常快速的從極度多的可能字元中比對出效果，它的價值是「快」不是聰明！所以這些年它不但沒有被機械進修軟體取代，還繼續保持很貴！

我「臨時」不用機器學習的原因也差不多！用機械進修機制來辨識字元，對我目前 翻譯需求來說沒必要 翻譯社至於用機械進修幫我判斷字元形狀位置？判斷方針是不是需要融合或切割呢？這是抽象思考，AI目前還沒這麼伶俐啦！若是放手讓他們「自我學習」可能會算到天荒地老！使用軟體 翻譯客戶鐵定會抓狂的！請記得：機械進修的弱點是需要很多計算，你的手機或PC效能可以跟Alphago相比嗎？

當然這些跟我的工作算是無關的，即便是辨識藥盒上的字串，他們也不是要我「翻譯全文」只是要抓出批號與過時日，我的大麻煩並非「字很奇怪」而是字的位置範圍欠好肯定，必須有一個程式在任何色彩、字元巨細與印刷體例下，即便字元沾連或破碎我都能正確圈出那些字來辨識，因為字的可能性不會太多，我不會用OCR，否則買授權就是我自己工作報價 翻譯很多多少倍了！

如果OCR或機械進修軟體完全沒有字元在哪裡的出發點資訊，那就必須在原圖上逐點掃描，乃至也不知道方針巨細，一個字模上是10x20的字型，在原始影像上多是任何寬高比1:2的圖形，加上會傾斜乃至變形！OCR或機器學習軟體即使能跑出正確成績，所需時候也會慢到讓人無法接受 翻譯！OCR自己固然有「基本」 翻譯字元鎖定程式，然則能力有限，碰到印刷複雜或不是極清楚 翻譯影象就很容易辨識失敗。

OCR包羅兩個首要階段，先是要在影象中鎖定准確的字元位置，其次才是依據鎖定的目標區塊開始翻箱倒櫃，用資料庫中的資料比對出那是甚麼字(或圖案) 翻譯社那些翻箱倒櫃辨識奇形異狀文字 翻譯工作今朝的OCR軟體已做得很好，是個和作業系同一樣成熟複雜的商品，所以這部分根本沒我 翻譯事！車牌辨識因為只需辨識少數 翻譯字元與字型，這部分我就簡單自己做了，沒必要買OCR軟體，若是買了就賠死了！

所以不要誤會我對機械進修有偏見！還誤解我是本身不懂才有意不用的！真的不是這樣！我曾經最厭惡JavaScript，可是HTML5興起後，一年之內我就變成JS的專家，還能講授生用JS寫出近似Line的通訊軟體！晚期的學生以為我一直都是寫JS 翻譯人！學姊返校跟我創業時卻很驚訝：「教員你不是一貫喜好用VB，很討厭JS的嗎？怎麼學弟們最熟練 翻譯說話是JS，而不是VB了？」以此觀之，我是對峙抗拒新科技的老固執嗎？你們本身判定吧！

許多人會懷疑：「你底子不消機器進修的手藝，做那麼多影象辨識的工作不會受到限制嗎？會不會很多事做不好？做不快？或做不出來啊？」就像某位老闆竟然沒有手機？這不會影響經商嗎？其實今朝對我來講是不會的，緣由且聽我道來！