峰會上華為云發(fā)布了五大AI人才培養(yǎng)規(guī)劃，其中“華為云AI十百千學術(shù)計劃”之百篇經(jīng)典論文復現(xiàn)截至目前已取得重大進展：華為云官方累計發(fā)布50余篇AI經(jīng)典論文供參與者復現(xiàn)，涵蓋了計算機視覺、遷移學習、自然語言處理多個領域，吸引了數(shù)十所知名高校學子報名參加論文復現(xiàn)，不僅覆蓋了C9院校，也不乏博士后參與；共計百余篇經(jīng)典論文算法上線華為云AI Gallery，供開發(fā)者學習和使用。
百余篇AI經(jīng)典論文算法已上線AI Gallery
針對當前AI經(jīng)典論文算法在開源社區(qū)上的代碼質(zhì)量參差不齊，很多代碼不好用、難用、甚至用不了，以及一些論文作者不共享源代碼，無法指導AI開發(fā)者可以更好的參考與探索的現(xiàn)狀，華為云官方將一些經(jīng)典而又常用的論文算法上線華為云一站式AI開發(fā)平臺ModelArts，供廣大AI開發(fā)者免費使用，降低開發(fā)者學習門檻；同時發(fā)起華為云AI經(jīng)典論文復現(xiàn)活動，鼓勵參與者基于ModelArts復現(xiàn)AI經(jīng)典論文，并將復現(xiàn)的論文算法開放共享到ModelArts AI Gallery, 打造AI開發(fā)者學習社區(qū)，從而達到賦能AI開發(fā)者，讓更多人來低門檻使用經(jīng)典的算法目標。
目前，已經(jīng)有百余篇AI經(jīng)典論文算法上線華為云AI Gallery，開發(fā)者可以了解算法介紹、查看代碼，以及一鍵訂閱算法，在ModelArts平臺進行訓練和推理。華為云ModelArts產(chǎn)品團隊表示，將這些百余篇AI經(jīng)典論文算法與現(xiàn)有教程結(jié)合，構(gòu)建一整套由淺入深的“AI學習天梯”，幫助各行各業(yè)的開發(fā)者在人工智能領域“漸入佳境”。
全方位支持AI經(jīng)典論文復現(xiàn)
為了讓開發(fā)者更好地學習AI，華為云舉辦的AI經(jīng)典論文復現(xiàn)活動，設置了百萬級別獎金池，成功復現(xiàn)并通過驗收即可獲得獎金激勵。每篇論文一支隊伍復現(xiàn)，論文一經(jīng)發(fā)布即引來各大知名高校學生參與，學生可以基于自身研究領域選擇熟悉的論文。此外，為了幫助學生能順利完成復現(xiàn)，活動中給報名學生們提供了全方位支持，包含ModelArts賦能和論文復現(xiàn)活動宣講、提供充足的ModelArts算力、全周期指導和問題解答，整個活動受到了學生們的一致好評。
代表性AI經(jīng)典論文算法：圖像分割-Fast-SCNN
隨著自動駕駛汽車的興起，迫切需要一種能夠?qū)崟r處理輸入的模型。目前已有一些先進的離線語義分割模型，但這些模型體積大，內(nèi)存大，計算量大，F(xiàn)ast-SCNN: Fast Semantic Segmentation Network可以解決這些問題。它是一種針對高分辨率圖像數(shù)據(jù)的實時語義分割模型，適用于低內(nèi)存嵌入式設備上的高效計算。
代表性AI經(jīng)典論文算法：目標檢測-TSD
目前很多研究表明目標檢測中的分類分支和定位分支存在較大的偏差，論文從sibling head改造入手，跳出常規(guī)的優(yōu)化方向，提出TSD：Revisiting the Sibling Head in Object Detector方法解決混合任務帶來的內(nèi)在沖突，該方法可以靈活插入大多檢測器中，幫助通用的檢測器大幅度提升性能3%-5%，在COCO上，基于ResNet-101可以達到49.4的map，在SENet154上可以達到51.2。
學AI，就用ModelArts
據(jù)華為云ModelArts產(chǎn)品團隊介紹，2021年，華為云AI經(jīng)典論文復現(xiàn)計劃將帶來更多后續(xù)活動：一、邀請優(yōu)秀的學生代表舉辦論文復現(xiàn)直播解讀，手把手帶開發(fā)者復現(xiàn)經(jīng)典論文；二、不定期發(fā)布更多AI經(jīng)典論文復現(xiàn)任務；三、邀請優(yōu)秀的學生代表參加華為開發(fā)者大會2021 （Cloud），與專家大咖們面對面交流。
