讓 AI 的能力下沉到更多移動(dòng)終端上，才能完全打開智能的想象力。前不久，金山 WPS 與 Google 合作，以 TensorFlow 架構(gòu)為辦公工具賦予了 AI 算力和功能。

借助 TensorFlow 和 TensorFlow Lite 在框架層的算法優(yōu)化能力，移動(dòng)版 WPS 有多個(gè)業(yè)務(wù)場(chǎng)景開始使用 AI 算法，來進(jìn)行圖片的處理和轉(zhuǎn)換：

物體邊緣檢測(cè)。金山 WPS 設(shè)計(jì)的 CNN 文檔檢測(cè)網(wǎng)絡(luò)，可以讓安卓版用戶快速檢測(cè)結(jié)果，自動(dòng)判斷邊緣并調(diào)整濾鏡；

自動(dòng)識(shí)別圖片類型。金山 WPS 利用 TensorFlow Lite 實(shí)現(xiàn)了能夠自動(dòng)識(shí)別圖片類型的 OCR 模型，提供對(duì)應(yīng)的濾鏡和 OCR 輸出格式；

掃描件 OCR。采用 TensorFlow 部署模型，可以對(duì)文檔實(shí)現(xiàn)旋轉(zhuǎn)矯正、文本行檢測(cè)等操作，節(jié)省大量文檔編輯時(shí)間；

自然場(chǎng)景 OCR。利用 TensorFlow Lite 將自然場(chǎng)景 OCR 運(yùn)行在手機(jī)上，使它能在短時(shí)間內(nèi)從復(fù)雜場(chǎng)景中準(zhǔn)確定位文字并獲得理想的識(shí)別結(jié)果；

圖片轉(zhuǎn)文檔的布局分析。金山 WPS 結(jié)合 TensorFlow 與 scikit-learn 框架一起進(jìn)行圖文布局分析算法，大幅度降低了算法的研發(fā)成本。

金山 WPS 還對(duì)多種機(jī)器學(xué)習(xí)算法進(jìn)行了加工整合，從不同層次優(yōu)化和改進(jìn)了文檔轉(zhuǎn)圖片、內(nèi)容檢測(cè)等功能，解決了圖片轉(zhuǎn)文檔 “亂碼” 這一歷史難題。

金山與 TensorFlow 的協(xié)同工作，已經(jīng)帶來一些在移動(dòng)端辦公領(lǐng)域的直觀效果：

高功耗、高能耗的實(shí)時(shí) AI 處理在移動(dòng)端成為可能；

閱讀體驗(yàn)升級(jí)，辦公 AI 功能解鎖，辦公效率進(jìn)一步提升；

WPS 正在打開端側(cè)部署 AI 的可能性。

從云到移動(dòng)：金山 WPS 借助 TensorFlow Lite 實(shí)現(xiàn)的驚險(xiǎn)一躍

從云端算法到移動(dòng)端開發(fā)的實(shí)操階段，移動(dòng)芯片端側(cè)運(yùn)算支撐力不足、云計(jì)算數(shù)據(jù)傳輸延遲，使得拍照識(shí)別這樣的實(shí)時(shí)運(yùn)算，用戶體驗(yàn)極差。但通過結(jié)合 TensorFlow Lite，金山 WPS 訓(xùn)練移動(dòng)端模型快速地推進(jìn)了開發(fā)者的 AI 研發(fā)進(jìn)程。

TensorFlow Lite 在移動(dòng)端具有以下明顯優(yōu)勢(shì)：

足夠?。河?xùn)練的 AI 模型可以很容易被壓縮和傳輸?shù)绞謾C(jī)端，對(duì)用戶的手機(jī)內(nèi)存十分友好；

圖像學(xué)習(xí)框架的輕量神經(jīng)網(wǎng)絡(luò)

手機(jī)機(jī)型兼容性好，對(duì)安卓天然親近：在數(shù)十臺(tái)機(jī)型上的穩(wěn)定性測(cè)試都表現(xiàn)很好；

高效的 “投影” 模型

移動(dòng)端的適應(yīng)性強(qiáng)：TensorFlow Lite 與 TensorFlow 的過渡平滑，不會(huì)增加大量的兼容成本；

TensorFlow Lite 的架構(gòu)設(shè)計(jì)

TensorFlow 社區(qū)資源豐富，具體的業(yè)務(wù)場(chǎng)景很容易找到相關(guān)參照系，并學(xué)習(xí)案例的集成方式。

那么，移動(dòng)端友好的 TensorFlow Lite 又是如何被金山 WPS 部署到手機(jī)端的呢？

以文檔邊緣檢測(cè)為例：

首先，利用 tf.keras 可以很快完成深度網(wǎng)絡(luò)的構(gòu)建。在拍照掃描算法中，開發(fā)者設(shè)計(jì)了一個(gè) 5M 左右的 CNN 文檔檢測(cè)網(wǎng)絡(luò)；

其次，將 tf.keras.Model 提供的 fit_generator 與 tf.data 靈活結(jié)合，對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行預(yù)處理，根據(jù)業(yè)務(wù)場(chǎng)景對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行分組定義，然后構(gòu)造適合的代價(jià)函數(shù)。以此優(yōu)化訓(xùn)練性能，不斷地迭代優(yōu)化算法效果；

最后，把業(yè)務(wù)算法集成到 WPS，在多臺(tái)旗艦機(jī)上進(jìn)行穩(wěn)定測(cè)試。針對(duì)一些難點(diǎn)問題進(jìn)行分析迭代，直至穩(wěn)定上線。

至此，移動(dòng) AI 的開發(fā)者完成了從云端到移動(dòng)端的驚險(xiǎn)一躍。

從個(gè)案到公式：移動(dòng)端 AI 開發(fā)的通識(shí)問題與解決之道

TensorFlow 在金山 WPS 辦公軟件上的落地，給移動(dòng)端辦公帶來了奇妙的變化，也找到了移動(dòng)端 AI 開發(fā)的通識(shí)問題與解決之道。

AI 落地的成本問題。解決之道：TensorFlow 能夠解決技術(shù)或算法實(shí)現(xiàn)商業(yè)化時(shí)如何低成本地解鎖需求的問題，而金山 WPS 能為技術(shù)解決方案提供足夠大的商業(yè)落地空間；

端側(cè) AI 的技術(shù)沉淀問題。解決之道：合作之后，金山仍在攻克很多難題，除了 TensorFlow Lite，金山 WPS 研發(fā)團(tuán)隊(duì)還掌握了幾款移動(dòng)推理框架及一些小規(guī)模網(wǎng)絡(luò)設(shè)計(jì)的技巧；Google 也在發(fā)力，比如即將推出 TensorFlow 2.0，TensorFlow Lite 將支持更豐富的模型運(yùn)算方式。

此外，TensorFlow 與金山 WPS 合作的最大意義是讓我們看到：超強(qiáng)算力的 AI 硬件 + 移動(dòng)端友好的深度學(xué)習(xí)框架 + 清晰廣泛的業(yè)務(wù)場(chǎng)景，才是幫助更多開發(fā)者打開想象的前提。

金山 WPS 在移動(dòng)辦公上的努力實(shí)現(xiàn)，使得移動(dòng) AI 開發(fā)這件事，在蔥蘢的生態(tài)下前所未有地真實(shí)起來。