峰會(huì )上華為云發(fā)布了五大AI人才培養規劃，其中“華為云AI十百千學(xué)術(shù)計劃”之百篇經(jīng)典論文復現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)典論文供參與者復現，涵蓋了計算機視覺(jué)、遷移學(xué)習、自然語(yǔ)言處理多個(gè)領(lǐng)域，吸引了數十所知名高校學(xué)子報名參加論文復現，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(xiàn)華為云AI Gallery，供開(kāi)發(fā)者學(xué)習和使用。

　　針對當前AI經(jīng)典論文算法在開(kāi)源社區上的代碼質(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(wú)法指導AI開(kāi)發(fā)者可以更好的參考與探索的現狀，華為云官方將一些經(jīng)典而又常用的論文算法上線(xiàn)華為云一站式AI開(kāi)發(fā)平臺ModelArts，供廣大AI開(kāi)發(fā)者免費使用，降低開(kāi)發(fā)者學(xué)習門(mén)檻；同時(shí)發(fā)起華為云AI經(jīng)典論文復現活動(dòng)，鼓勵參與者基于ModelArts復現AI經(jīng)典論文，并將復現的論文算法開(kāi)放共享到ModelArts AI Gallery, 打造AI開(kāi)發(fā)者學(xué)習社區，從而達到賦能AI開(kāi)發(fā)者，讓更多人來(lái)低門(mén)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(xiàn)華為云AI Gallery，開(kāi)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)典論文算法與現有教程結合，構建一整套由淺入深的“AI學(xué)習天梯”，幫助各行各業(yè)的開(kāi)發(fā)者在人工智能領(lǐng)域“漸入佳境”。

　　為了讓開(kāi)發(fā)者更好地學(xué)習AI，華為云舉辦的AI經(jīng)典論文復現活動(dòng)，設置了百萬(wàn)級別獎金池，成功復現并通過(guò)驗收即可獲得獎金激勵。每篇論文一支隊伍復現，論文一經(jīng)發(fā)布即引來(lái)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)生能順利完成復現，活動(dòng)中給報名學(xué)生們提供了全方位支持，包含ModelArts賦能和論文復現活動(dòng)宣講、提供充足的ModelArts算力、全周期指導和問(wèn)題解答，整個(gè)活動(dòng)受到了學(xué)生們的一致好評。

　　隨著(zhù)自動(dòng)駕駛汽車(chē)的興起，迫切需要一種能夠實(shí)時(shí)處理輸入的模型。目前已有一些先進(jìn)的離線(xiàn)語(yǔ)義分割模型，但這些模型體積大，內存大，計算量大，Fast-SCNN: Fast Semantic Segmentation Network可以解決這些問(wèn)題。它是一種針對高分辨率圖像數據的實(shí)時(shí)語(yǔ)義分割模型，適用于低內存嵌入式設備上的高效計算。

　　目前很多研究表明目標檢測中的分類(lèi)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(lái)的內在沖突，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。

　　據華為云ModelArts產(chǎn)品團隊介紹，2021年，華為云AI經(jīng)典論文復現計劃將帶來(lái)更多后續活動(dòng)：一、邀請優(yōu)秀的學(xué)生代表舉辦論文復現直播解讀，手把手帶開(kāi)發(fā)者復現經(jīng)典論文；二、不定期發(fā)布更多AI經(jīng)典論文復現任務(wù)；三、邀請優(yōu)秀的學(xué)生代表參加華為開(kāi)發(fā)者大會(huì )2021 （Cloud），與專(zhuān)家大咖們面對面交流。