不同于基于统计的传统机器翻译方法，神经网络机器翻译能够自动从语料库中学习翻译知识，从而实现了翻译质量的”跨越式“发展。之后神经网络机器翻译便成为主流翻译工具的核心方法，融入了人们生活之中。
不过，这只是前奏。
整个AI技术方向上，计算机视觉、语音识别、自然语言处理、机器人等等都有了惊人突破，机器已经在图像识别、语音识别等多个方面超越普通人类水平。
与此同时，掌握成熟AI技术的公司，开始思考怎样把AI进一步落地，实现其商业价值。
而教育领域，网易有道借势而起，结合已有场景，加持前沿技术，打造全新硬件产品，最后解决实际难题……
网易有道词典笔2.0，正是其中缩影。
它主打的功能，是每秒查一个单词：
与”传统的”查单词方法相比，核心原因是省略了人”输入“单词给机器的过程，而且由机器将单词输入给机器。
具体来说，它的笔头是一个高速摄像头，核心作用是在用户提笔扫单词的时候，每秒拍摄100多张图像。
这图像……太碎了，对于机器来说，根本不可能理解，更遑论翻译？
要用AI把它们拼起来再给机器看，整个拼接过程难点不少，并不是任何一家公司都能够驾驭。
首先，文本图像的拼接问题。
与正常处理的图像不同，使用高速摄像头拍摄下来文本图像纹理特征通常较少。
通常用于完成拼图任务的基于尺度不变特征匹配方法，很容易对不同的文字图像生成相同的特征描述子，从而引发误匹配导致拼图失败。
为了解决这个问题，网易有道根据实际应用场景自行设计了一套特征，从而用自定义的方式快速提取特征。相比传统SIFT花1毫秒提取单张图像的特征，有道定制化的提取方法要高效很多。
总体而言，词典笔2.0所采用的图像拼接方法可以分为图像配准、图像融合与文本切行三大步骤。
此外，他们也对算法上进行了很多优化，比如文字的加测、样本的矫正等等，进一步提升扫描图像的拼接准确度。
其次，用户扫描不规范的问题。
这支笔，是一个面向C端用户的产品，使用者是有各种习惯的用户，他们扫描的过程中持笔的角度、滑动的速度以及抖动都会影响图像匹配。如果使用传统的图像特征匹配方法，很容易造成误匹配和高延时。
网易有道介绍称，他们设计的多特征图像匹配算法，能够充分挖掘上述场景的图像对亲关系，从而支持最高240mm/s的扫描速度，与桌面夹角成90度至60度的扫描角度，拼图成功率高达98%。
此外，他们通过综合所有字符检测位置对用户扫描的行样本进行组行、矫正、切分，来解决用户持笔扫描抖动的问题，也支持一定距离内的左右滑动。
至于不同扫描文本的字体不同、背景不同等问题，他们也在模型训练过程中扩充上述场景的素材，极大地增强了模型的泛化能力，也在拼图阶段使用图像处理方法对全景图像进行了去燥使得文本特征更加突出。
除了上述的自适应全场景拼接功能，他们还实现了流式识别计算——即在扫描拼接图像的同时，将内容提取出来，交由神经网络去翻译。
通过种种优化，网易有道最后实现了95.5%的综合准确率，而业内平均水平不过82%。他们表示，这一成绩超越了竞品。
网易有道凭什么？
网易有道归去来
有道，一开始是一款搜索产品，定位是网易自主研发的中文搜索引擎。
在搜索领域7年的耕耘，为其在大规模数据存储计算等领域留下不少技术储备。
2013年，有道选择将精力从搜索业务上收回，专注于语言翻译应用与服务、个人云应用和电子商务导购服务等三个方向。
最核心的，是语言翻译应用与服务方向的业务。
2006年12月，在搜索业务上线的同时，网易有道也推出了海量词典产品，而且一直在有更新推进：
2007年12月，有道词典桌面版正式上线，2009年1月，有道词典首个手机版本上线。
10多年发展至今，网易有道词典已经官宣有8亿 用户，成为国内最大词典应用之一，这样也给网易有道的技术研发积累了大量数据。
在发展过程中，网易有道也在不断拓宽业务边界，推出有道云笔记、有道精品课等一系列产品，涉足在线教育市场。
