中文翻譯越南文

如果本身沒試過用常識，也就是我在講義上學過的物理、數學與程式設計，去「玩」過車牌辨識，就最先看這種論文。會有兩個效應： 第一是誤解所謂的五大步調是作車牌辨識不變的鐵律，像物理學的光速守恆一樣！事實上當然不是！那只是前面大都人做出有效結果後，歸納出本身用的方式概略的步調翻譯

可是翻譯公司忘了嗎？我的目標是做「辨識車牌」，前人的做法不是鐵律，我為何須須遵循五大步調？華頓翻譯公司為何須須使用類神經網路？為何我跳脫不消，不守禮貌就好像釀成「外行」了？那些「熟行」的不是也沒做得很好嗎？他們憑甚麼對落後們說長道短的？就像目下當今大談AI的「專家」其實多半沒有自製產品問世暢銷，卻知道AI的天下大勢與將來成長？你能信嗎？

華頓翻譯公司的車牌辨識研究不是從看論文開始的，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入手下手的！老是找到問題後，先試著用「教材」上學到的根基原理常識去理解闡發問題，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，掌握更好了！平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式，如斯而已翻譯

比方「程度軸導正處理、垂直軸字元切割」這兩個步調是假定車牌影像大致是接近程度與正面拍攝的，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！市面上的車牌辨識系統不都有這個問題？我還要堅持繼續跟從嗎？或許你一入手下手研究時不像華頓翻譯公司此刻這麼清楚這些步驟的危險水平，但是你應當相信本身！照自己的想法先碰運氣未必就欠好翻譯正如林書豪在政大演講說的：人必須有點瘋狂！才可能有成績。(大致是這個意思)

這是多半碩士乃至博士論文所謂「研究」的過程，但假如只是如許，華頓翻譯公司寧願不讀研究所了！做這些不痛不癢，根本也不克不及改變甚麼工作的研究，實際上是掩耳盜鈴！假如是研究生，說這是「學習過程」沒有大發明或成就也還可以接管，但大都傳授的大量期刊論文也多半是如許，「及格」然則沒甚麼用途。最使人憤慨的是：他們本身都知道！可是每天照做到退休！

所以機械進修最大的用途是處置懲罰我們還沒時候充裕研究把握的大量資訊，可以免讓決議計劃開天窗，做出還能接管的辨識率，然則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偏向翻譯

我現在知道：他們的五大步調基本不符合課本說的法式！書上說的程序是：全彩→灰階→二值化→找輪廓→找方針→幾何校訂(或稱正規化)→比對字模。那他們的五大程序是比課本寫得更高超嗎？固然不是！那只是因陋就簡的結果！因為書上說的標準法式實作起來太慢了！要逐一處理的個別狀態也太多了！所以就「只好」用各類方法簡化資料呼攏曩昔，避開真正解析問題的正常方式，只用統計的方式處置罷了。類神經網路與機器進修就是最主要的「偷懶」焦點手藝！

然則沒有真正針對事實現象作研究的科學家，只依靠統計對象研發軟體猜想謎底，其實科學常識手藝是處於窒礙狀況的！我可以告知列位，我的車牌辨識就是憑據傳統科學體式格局一步一步紮實研發出來的！華頓翻譯公司的軟體裡面完全沒有猜想統計的成份，只有診斷與對策。

第二種效應更糟！就是看到「倒傳遞類神經網路」之類的名詞就立即跪倒跪拜！越抽象越崇敬！如果當真去浏覽後照舊不懂？就更崇敬！自此不敢將這個偉大的程序從翻譯公司的辨識法式中移除！就像你買了一輛萬萬超跑，因為太有價值了，所以翻譯公司從來不肯意斟酌：「你可能根本不需要它！」不知不覺，你就釀成奉侍超跑的奴才！而不是可以有用使用它的主人。

話題扯遠了，先看看這篇碩士論文的摘要吧！

可是研究各類影象狀態的處理體例，逐一為其設計演算法，也就是如何解除各類雜訊直指目標的過程，所需要的研發工作其實太累了！此時統計，或嘗試毛病、積累經驗、自華頓翻譯公司調整(是電腦自我調整，人不需要忙)的類神經網路手藝就是許多這種研究者的遁迹天堂了！

對問題還理解不深就最先研讀方式論，我的感受是仿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更加神秘與神聖！不知也不敢私自更動？可是套用前人的公式不算「研究」，那要怎麼才算呢？那就守舊謹慎的改動一些參數或法式就好了嘛！只要不讓本來的方式崩盤，還加減會讓結果在「某一方面」好一點點，就算是「研究」了！論文及格，打完收工！