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(xué)術(shù)計劃”之百篇經(jīng)典論文復(fù)現(xiàn)截至目前已取得重大進(jìn)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(fù)現(xiàn)，涵蓋了計算機視覺、遷移學(xué)習(xí)、自然語言處理多個領(lǐng)域，吸引了數(shù)十所知名高校學(xué)子報名參加論文復(fù)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(xué)習(xí)和使用。

　　針對當(dāng)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(dǎo)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(xué)習(xí)門檻；同時發(fā)起華為云AI經(jīng)典論文復(fù)現(xiàn)活動，鼓勵參與者基于ModelArts復(fù)現(xiàn)AI經(jīng)典論文，并將復(fù)現(xiàn)的論文算法開放共享到ModelArts AI Gallery, 打造AI開發(fā)者學(xué)習(xí)社區(qū)，從而達(dá)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(biāo)。

　　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(jìn)行訓(xùn)練和推理。華為云ModelArts產(chǎn)品團(tuán)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(xué)習(xí)天梯”，幫助各行各業(yè)的開發(fā)者在人工智能領(lǐng)域“漸入佳境”。

　　為了讓開發(fā)者更好地學(xué)習(xí)AI，華為云舉辦的AI經(jīng)典論文復(fù)現(xiàn)活動，設(shè)置了百萬級別獎金池，成功復(fù)現(xiàn)并通過驗收即可獲得獎金激勵。每篇論文一支隊伍復(fù)現(xiàn)，論文一經(jīng)發(fā)布即引來各大知名高校學(xué)生參與，學(xué)生可以基于自身研究領(lǐng)域選擇熟悉的論文。此外，為了幫助學(xué)生能順利完成復(fù)現(xiàn)，活動中給報名學(xué)生們提供了全方位支持，包含ModelArts賦能和論文復(fù)現(xiàn)活動宣講、提供充足的ModelArts算力、全周期指導(dǎo)和問題解答，整個活動受到了學(xué)生們的一致好評。

　　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(jìn)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(shè)備上的高效計算。

　　目前很多研究表明目標(biāo)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(wù)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(dá)到49.4的map，在SENet154上可以達(dá)到51.2。

　　據(jù)華為云ModelArts產(chǎn)品團(tuán)隊介紹，2021年，華為云AI經(jīng)典論文復(fù)現(xiàn)計劃將帶來更多后續(xù)活動：一、邀請優(yōu)秀的學(xué)生代表舉辦論文復(fù)現(xiàn)直播解讀，手把手帶開發(fā)者復(fù)現(xiàn)經(jīng)典論文；二、不定期發(fā)布更多AI經(jīng)典論文復(fù)現(xiàn)任務(wù)；三、邀請優(yōu)秀的學(xué)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。