使用TensorFlow搭建智能开发系统，自动生成App UI代码

本文目录：

一、我们的现状与期望

二、我们的初级探索及建议

三、智能开发系统的自建之路

四、未完待续

一、我们的现状与期望

首先，我们作为一个移动平台产品，必须解决的是让工程师更加容易的开展工作，“知识工作者智能化”是我们探索的方向，让移动开发工程师先用起AI，也是我们的期望。

针对我们的移动开发工程师，我们的主要的工作概括说有三件事：

• 了解需求
• 拿到UI设计
• 研发

我们期望的是，基于机器学习（ML）的移动平台，最终能够：

• 让初级开发人员具备专家80%的能力
• 让AI辅助移动App的研发工作。

对于AI，BAT有着不同的看法，马云的数据论，李彦宏的技术论，以及马化腾的场景论，我个人马化腾的论调跟我们不谋而合，我们认为切入点很重要。

我们的切入点是：从设计稿（或者App 截图）到App 前端代码，这也是我今天分享的方向。

二、我们的初级探索与建议

为了，我们在实践的前期，进行了一些探索并总结了一些建议，希望能够给大家一些启发。

正如大家所知道的基于机器学习工程话的过程，需要数据、算法、算力以及工程话的配合，是一个不小的工程，我们的初步想法，是否借力SaaS的服务能力，于是我们进行了公有云服务的尝试。

我们找了一张狗狗的图，实际的效果非常的赞。

• 准确识别狗，并且能够识别到品种；（潜台词：能够识别不同设计就好了）
• 有“鼻子”有眼的，看上去很美，（潜台词：能够识别设计里的UI控件就够了）

于是，我们抱有很大期望的用设计稿作为尝试，效果大致如下：

实际上效果如上图，无法准确的认知这是一个设计图，更不用说是什么类型的UI以及UI内有哪些控件，于是我们尝试了另外一家。

实际上效果，依旧无法使用。

经过公有云不成功的尝试我们总结了一下的结论：

于是，我们进行了私有云的建设，使用了已有的模型。

普遍的目标检测都是无嵌套结构的认知

而App 的UI是一个结构化数据，存在嵌套关系、层级关系

上图中的目标检测对于生成代码没有任何帮助

三、智能开发系统的自建之路

于是我们走向了智能开发系统的自建之路

在前期的初级探索中，我们已经非常明确的知道：训练的方向，决定了结果。而我们的方式是：

• 专注：训练一个只懂移动UI的程序员
• 学习移动App UI 的设计稿或者截图
• 不学习Web UI 或者GUI的设计稿
• 坚决不学习常规事物 

上面的原则主要的目标是为了训练的专注性，我们调戏一把。

同样的这只狗，在公有云的服务中都能够准确的认知，而我们的系统把它当成了欢迎页（0.72）而不是狗。

来看一小段视频：

视频说明：

• 右二窗口：是设计稿或者截图（支持：jpg、PNG等常见格式）
• 左上窗口：以命令行式的方式触发智能开发系统
• 左下窗口：普元移动平台的IDE，生成的代码会自动同步到IDE中。
• 右一窗口：手机实时投屏，生成的代码运行的效果将会在这里呈现

大致效果已经看到了，我们如何针对这个系统进行自建的呢？

既然为工程师服务，我们先回头看一下，工程师一般是如何工作的吧。

• 拿到设计，先判断一下是个什么类型界面
• 大概由几部分组成，什么都有哪些控件
• 编写代码
• 微调代码，调试，根据与设计图的差距进行调整

针对第一步，我们可以采用分类的方式，确定界面类型。

这里主要采用的算法是CNN+softmax

大致的效果如下：

在分类上我们的一些工作主要有以下的内容：

迁移学习 CNN（Inception V3 or VGG 16）：模型微调，应用到我们的数据集上

分类器的选择：Softmax更适合，放弃Logistic

数据集：数据集的积累，并考虑结构的依赖，大量引入灰度图片

应用：采用原色及灰度两种，二者取其高

低概率：引入人工干预，每个使用者都是监督者

闭环：数据集及分类的积累

其中迁移学习重要采用的是基于已有的CNN网络，微调数据模型，应用到我们的数据集上，我们尝试过Inception V3 和 VGG 16，效果都还不错。具体的工作如下：

选用CNN模型，前面各层的参数都不变，而只训练最后一层。

将自己的训练集中的每张图像输入到CNN网络中，得到2048个维度的向量特征。

利用这些特征来训练softmax的多分类器

关于数据集的准备，必须为是基于移动的UI或者设计，这样才能保证训练后的方向和效果。

这里通过移动平台在各个项目组的实施，收集到各类移动界面图片，我们利用这些图片作为移动的数据集。

在数据集的训练中，我们发现，针对在很多分类下，色彩可能是一种干扰，而有些分类下，色彩却对特征值影响很大，所以我们采用了同源灰图训练，以提高正确率。

通过上图，可以看出，结合同源灰图，这个UI的识别率从0.748上升到0.911。究其原因，对于有些UI的分类，结构比色彩更重要。

为此，在应用过程中，在使用者上传了一张设计图的时候，我们将会处理成一张原图、一张灰图，进行分类，并选取较高概率的使用。

当然并不是所有的，我们都会有高命中，在无法准确判断分类的时候，我们会让“每一个使用者都成为机器学习的监督者”，让使用者自行选择适合的分类，如下图所示：

比如有的个人设置的UI，系统会在List 和Setting 两个分类上纠结不止，那就让使用者协助我们做个选择，这样我们就将数据加入到数据集上，让系统能够更加准确的进行。我们称之为闭环。

闭环更为重要的是，当我们能够发现分类的不足，让用户自行创建分类。

对于设计稿中的UI控件，其自身特点是嵌套的，为此我们采用多级目标检测的方式，确定其UI类型以及层次关系。

主要的算法采用的是Faster-RCNN，除了效果外，采用Faster-RCNN的原因是算力问题，这个算法在RCNN里，算是比较高效的了。 以下为监测效果：

可以看出通过训练后的目标检测，已经能够相对较为准确的识别。

左图是微信里的AED分布（推广一下，这个对于急救非常重要，建议大家都可以了解一下）的截图 。

右图是采用了一个设计图 。在上图中不仅仅包括目标检测后的常规结果，我们还将坐标输出，这为后续代码生成时候的布局非常重要。

在目标检测上我们做了以下的一些工作。

• 多级Faster-RCNN，避免单一的Faster-RCNN导致目标检测结果
• 叠加阀门（0.8）控制退出，组件优先。
• 加大数据集的积累，避免天窗效果（传统的目标检测没有这个问题）。
• 参数的调整：eg. ANCHOR_SCALES（无须太小） 、BATCH_SIZE（与数据集数量匹配，不易过大过小）、RPN_NMS_THRSH（模型训练越好，越可以提高，但不易过高）等等

这里需要说明一下什么叫做天窗效果，就是说，在整个设计图中我们有一部分的UI区域，没有识别出来。我们采用的方式是通过其他识别出来的区域，计算出相关区域的位置及大小，留好相关的空间，具体可以参照视频中第三个例子。

在代码生成部分，我们采用了基于DSL语言，生成的方式，主要考虑的因素有一下三点，第四点是一个小tips。

我们先看一下，原生语言的代码复杂度吧。

为了实现这个设计图，如果采用未经封装的原生代码，大概需要几百行代码，你可以自己看一下右图最右侧的滚动状态就知道。

所以，我们采用了我们普元移动平台的DSL层进行生成，实际上大概一两屏的代码就可以了。具体可以参见视频中的第二个例子。

这里要补充一点，在之前关于移动前端技术的分享中有人为我为什么一定要用DSL层，我说了一些原因，但因为这个分享还没有做，所以没有提及这一点。

那在看一下，天窗的处理吧，我们采用了占位的方式。

左图是生成的代码，右图是生成代码运行后的效果，对于未识别的区域，我们采用了占位，并加以提示：”对不起，我暂时不认识“，让使用系统的工程师能够直观的了解到，哪些部分AI没有帮助到他，他需要自行完善。

针对生成的代码并结合运行的效果，我们采用强化学习（RL）的方式对于代码进行微调。

主要的工作为：

• Actons 只针对component属性调整，不对代码结构调整
• 评分系统依赖原有输入（设计稿或者截图）
• Environment采用生成代码后的运行截屏
• 结合区域性评分（结合Faster-RCNN过程的切图）
• 暂时只针对位置、字体大小等

这一部分，由于时间原因，就不再展开了。

说了这么多，让我们一起看一下，这个系统的总体结构吧。

当一张设计图被传入系统的时候，首先基于CNN+Softmax的分类系统会将其分类处理（框架层代码在这一层次生成）。

对于设计稿中没有多级层次的设计，会直接进入Faster-RCNN进行一次目标检测，识别对应的Basic Component，结合之前的代码，生成新的代码片段。

对于复杂的设计，会进入多次Faster-RCNN进行下一层次的目标检测，直至可以进行代码生成。

当生成代码后，系统会自动编译代码，并将代码Run起来，这时候就可以进行截图，进行强化学习，对代码进行微调。

上述就是这个系统的主要的技术分享，这个系统也不断在完善中，我们后续也会继续完善。

四、未完待续

首先，对于文字的处理，可以看到，我们并没有直接生成，而是采用了“文字”来代替，主要的原因是文字的处理，属于另外一个范畴的人工智能，我们主要的思路是直接对接成熟的OCR或者云服务，不会自己去做的。

关于图片和icon的处理，可以看到，我们采用的是默认的图片，而非设计稿中的图片，这一点，我们会继续进行。

方案大致是：

• 一种是设计师提供设计图，并有小的切图，这个处理比较简单。
• 另外一种是无原图或者需要对接图库的（图库规模不大的情况下），拟采用CNN+Softmax做一次分类，每一张图片一张分类 。

同时，我认为AI将会继续赋能移动，在AI结合移动，我们也在其他的方向进行了实践：

智能化的CUI（Conversational UI）

智能推荐及辅助决策

由于时间和篇幅的原因，可能会没有讲明白，欢迎从事相关研究的同仁，添加作者微信一起探讨。

关于作者：

郝振明

普元移动产品线总负责人，十多年 IT 从业经验，一直专注于企业信息化的工作，近五年间一直从事企业移动信息化、移动互联网化的咨询、产品工作，曾主持参与了 Primeton Mobile 产品研发、联通集团、广东农信、诺亚财富、中信重工、索菲亚等公司的移动信息化工作。近两年来，致力于基于 React Native 工程化能力的提升、降低实施难度，以及智能化移动平台的产品研发，在移动开发智能化的路上不断进行探索。