注意，这不是“爽文”情节，而是现实发生的事。在近日举行的昇腾AI开发者创享日·天津站活动中，来自南开大学研二的陈铎晟同学作为昇腾AI优秀开发者代表，分享他的昇腾AI学习之路，揭开了AI开发的神奇魅力。
活动间隙，《极客网》对话陈铎晟，聊了聊如何从一名AI小白成长为昇腾AI优秀开发者，并将AI模型装进港口实际应用场景的经历，特分享给有志于AI事业的年轻开发者。
实验室结缘，筑牢基础知识
本科就读于西安电子科技大学软件工程专业的陈铎晟，此前并没有系统学习人工智能相关知识。研究生保送至南开大学计算机学院后，本着对AI的浓厚兴趣，他加入了南开大学计算机视觉实验室，参与到校企合作的项目中，推开了AI探索的大门。
作为AI领域的小白，初入实验室的陈铎晟先是集中学习了人工智能原理、深度学习以及昇腾AI等领域的基础知识。借助昇腾社区提供的完善的学习文档及官方教程，以及与华为工程师的频繁交流沟通，他为日后的AI探索打下了坚实的理论基础。
接着，陈铎晟参与到AI框架昇思MindSpore的CANN算子开发项目中，开始上手完成算法复现与转换。他与实验室同学们一起，基于MindSpore框架对业界经典的ReID、PoseTrans等算法进行重构，获得官方认证后发布到昇腾社区，在动手实操中积累了一定的开发经验。
从实践中来，提升关键能力
在所有的目标识别应用中，车辆识别是AI在交通管理和安全领域的一个重要应用类别。而在港口、矿山等特殊场景下，车辆识别受环境因素的影响很大，对识别准确性和系统稳定性的要求更高。陈铎晟迎难而上，借助校企项目合作机会，基于真实场景需求，与团队一起钻研智慧港口的车辆识别应用。
在算法层面，针对极高视角导致的车牌形状畸变、较远距离造成的车牌位置极小、恶劣环境带来的车牌污渍严重等制约港口车辆识别精度的几大难点，陈铎晟与团队在昇腾AI基础软硬件上训练Yolov5和CRNN开源模型，以更好地采集车牌边界信息和识别车牌内容，并不断优化代码提高检测识别精度。
在数据层面，由于港口数据封闭导致目前几乎不存在可供训练的车牌识别数据集，他们专门采集原始港口监控数据，手工剔除噪声样本，并引入大规模公开数据集，自行标注制作可用于港口车辆检测的覆盖全天候（大雨、大雪、夜间、强光照等）的数据集，以更好地支持模型训练。
在部署层面，陈铎晟根据此前开发学习的案例，独立编写适用于昇腾硬件的推理代码，确保模型在端侧正常训练和推理，实现端侧设备的模型转化并成功运行。
经过一这系列的实践探索，陈铎晟完成了其AI探索道路上第一个完整的项目，提升了在AI模型开发训推全流程的关键能力。
特别是在AI技术落地应用最后也是最关键一步的部署方面，为了确保训练得到的模型能在具体生产环境中正确、高效地实现推理功能，要求的条件往往非常繁琐而苛刻，具体性能表现的变数也比较大，对AI开发者极具考验。
对此陈铎晟坦言，团队在港口车辆识别项目的部署上也遇到了很多难题，包括算子/算法的匹配，计算资源的满足等，需要对应的适配支持。所幸经过紧密的沟通配合，在昇腾社区和华为工程师的帮助下，这些问题都得到了很好的解决。
到实践中去，解决行业痛点
为此在有了一定的项目积淀之后，他决定到实践中去，不断创新做出更好的AI应用。在华为举办的2023昇腾AI创新大赛中，他带领团队基于昇腾AI全栈基础软硬件技术，继续攻克车辆识别领域的算法关键性难题，交出了一种针对车辆识别的新的解决方案。
9月，这项名为“基于极高视角的港口磅房综合车辆识别系统”的方案在2023华为昇腾AI创新大赛天津赛区应用赛道比赛中过关斩将，一举揽下银奖。该方案将创新设计的算法与能够激发强大算力的MindSpore框架相结合，进一步实现了模型性能的优化。
磅房作为港口货物出入管控的节点，是港口生产中的重要环节，其吞吐量将直接影响港口的生产效率。陈铎晟团队的新方案支持125路高并发访问，目前已在港口中实际部署使用，车辆检测识别准确率达到99%以上，大幅提升了磅房的过磅效率。
值得一提的是，在这之前，业内同类方案的识别准确率只有95%左右。从95%到99%以上的提升，对于AI方案在工业界的落地来说，别提有多么重要！
写在最后：
刚刚过去的2023年，生成式AI及其背后大模型的横空出世，给肩负“定义世界”的软件产业带来了颠覆式创新的可能。未来属于AI，更属于懂AI的人，一时间AI原生应用、AI工程师等成为最津津乐道的话题，牵动着每一个开发者的神经。
陈铎晟从软件工程投身AI开发，并迅速从小白成长为昇腾AI优秀开发者，相信正是新生代开发者拥抱AI的真实写照。在昇腾AI全栈基础软硬件技术与昇腾社区完善成长机制的赋能下，相信会有更多年轻的AI开发者加入进来，成为智能世界的决定性力量！
