都云作者痴，誰解其中味。 影像辨識是一個透過不斷的數學加權計算，所推論出來的結果，儘管我們都非常期待電腦可以用超出人類千萬倍的計算速度，成功的辨識並理解世界萬物，但是遺憾的是，我們教育電腦的教材，往往是不敷使用的，就像是考大學，大家都會說高中的書念完，仍然考不了100分一樣，問題可以變，要被辨識的物件也是，只要物件像是出題老師一樣調皮一下，騙過學生騙過電腦，醫學系明年見，準確度直接突破下限。
面對這種「意想不到」的問題，我們常常需要權衡怎麼去解決面對，同樣的室內環境，在一般家居與活動展覽會場的差異是天差地遠；同一條道路，凌晨白天中午午後傍晚晚上就有6種截然不同的光線變化；總會有像是小寫L與大寫I這種差異極小的存在，卻硬是要在兩者之間做出最終決斷……族繁不及備載的後處理工作，我們抽出兩項案例作為經驗分享和大家娓娓道來
說到車牌辨識，大家應該都對於停車場的自動辨識系統不陌生，但如果說，在塵土飛揚，砂石車、槽車狂奔的道路上同樣進行辨識，車牌可不會乖乖地停在攝影機前面慢慢等你分析在打開閘門啊! 怎麼去捕捉到車牌，並精確的辨識，除了原本的車牌辨識模組，最重要的莫過於是在有限的時間、髒亂的視覺環境下找到車牌的位置。 為了有效的利用時間避免電腦過度計算，會需要加上一些
必要的追蹤技術，與此同時，將被沙塵汙染影響的車牌，透過二值化與除噪影像技術來加強車牌輪廓，提高辨識清晰度，這些都是單純辨識模組，很難成功跨足的，也是在師出同門的同業競爭中，競爭準度的必要功夫。
每年工安事故頻繁，政府力求廠商能盡監督責任，管控好每一個人的裝備是否有著裝正確，但往往會有一個轉身，工人就脫下背心和安全帽，嫌著酷暑無情，提高了危害發生率。
要辨識背心和帽子是相當容易的，但判斷是否有確實穿戴在身上，就不是一個單純的辨識問題了，怎麼拿捏人員配戴穿戴的狀態就是一門學問，解法百百種，但可能會過度加重電腦運算，結果過度延遲，意外發生就來不及了，不論是鎖定頭部四肢，還是去除不想關注的目標；僅僅是做到如此還不足，通常辨識完成會需要產生表單程式與警報響鈴，每個環節都會與辨識系統環環相扣，怎麼去配合系統調整，都是要根據完整的客戶需求，去進行調整與妥協。
正如案例所述，後處理的必要性，是因為多數公司的核心方法是相同的，但通常準度只有辦法落在40%~75%，一般使用情境的準度要求都會盡可能超過85%，甚至會期望將原有工序的良率，從95%一路往上吹毛求疵，此時此刻的後處理，就是系統真正的軟實力，沒有統一量產需求，只有少量多樣的千變萬化，同時擁有苛求極致的職人精神。 人人可以玩會公開的模組，但要做出可以營利的產品，比的是誰後處理的功夫下的深，誰能真正突破限制，這正是客製化系統的價值，也是AI辨識系統落地的不二法門。
