YOLO项目复活！大神接过衣钵，YOLO之父隐退2月后，v4版正式发布，性能大幅提升
边策 鱼羊 十三 发自 凹非寺
量子位 报道 | 公众号 QbitAI
好消息！在YOLO之父忽然宣布退出CV学术界2个月后，有人接过了他的大旗。
另一位曾经参与YOLO项目维护的大神Alexey Bochkovskiy，在arXiv上提交了YOLO v4，而且这篇论文已经被拉入原来YOLO之父建立的项目主线。
这也意味着YOLO v4获得了认可，成为官方指定“继承人”。
今年2月，YOLO之父Jeseph Redmon因“无法忽视工作带来的负面影响”，突然宣布隐退，让学术界唏嘘不已。
许多人担心这个强大的目标检测算法研究会因此偃旗息鼓。
然而学术界和开源社区的力量是强大的，YOLO v4开发者正是开发过Windows版和Linux版YOLO的Alexey Bochkovskiy。
这次的YOLO v4在性能上相比前代也有巨大提升，在保持和前代相同运行速度下，精确度大幅提高。
性能大幅提升
闲话少叙，一起来看实验结果。
以下实验结果均采用单个 1080Ti 或 2080Ti 进行训练。
在 COCO 数据集上，YOLOv4 达到了43.5% AP，65 FPS。将 AP 和 FPS 分别提高了10%和12%。运行速度则是 EfficientNet 的 2 倍。
研究人员也将 YOLOv4 分别运行在 Maxwell、Pascal 和 Volta 等不同的GPU架构上。
其速度（FPS）、精度（MS COCO AP50…95和AP50）均超过了其他目标检测器。
作者总结道，YOLOv4 主要带来了 3 点新贡献：
提出了一种高效而强大的目标检测模型。使用 1080Ti 或 2080Ti 就能训练出超快、准确的目标检测器。
在检测器训练过程中，验证了最先进的 Bag-of-Freebies 和 Bag-of-Specials 方法对目标检测器的影响。
改进了 SOTA 方法，使其更有效、更适合单 GPU 训练。
戏剧性的YOLOv4
其实，YOLOv4的诞生，还是颇有戏剧性。
为什么这么说呢？
YOLO曾经一直是CV领域的大神Joseph Redmon的开发和维护。
今年2月份，AI学术界发生了一场大地震——Joseph Redmon在个人Twitter上宣布，将停止一切CV研究。
原因是自己的开源算法已经用在了军事和隐私问题上，这对他的道德造成了巨大的考验。
YOLO可以说是计算机视觉领域最知名的目标检测算法之一，也因为开源被业界广泛采用。
Redmon单是凭借这个算法，就曾获得过2016年CVPR群众选择奖(People’s Choice Award)、2017年CVPR最佳论文荣誉奖(Best Paper Honorable Mention)。
YOLO及其改进算法，在学术圈的影响也是非凡，被广泛引用，Redmon三篇一作相关论文总引用量已经超过16000次。
Jeseph Redmon于2019年毕业，原本外界以为他会在业界大展拳脚，但在不到一年的时间里，就突然宣布退出，不免令人感到震撼。
Fast.ai创始人Jeremy Howard就表达了自己的感受：“我之前从来没见过这种事。”
而就在大家以为YOLO要绝版的时候，突然杀出来个v4版本。
我是谁，我在哪里……
不是说好的隐退吗？
定睛一看，原来这次YOLOv4的作者阵容中，确实没有Redmon。
YOLOv4的一作是 Alexey Bochkovskiy，可能许多同学对这个名字已经很熟悉了。
但问题来了，这么直接沿用大神影响力如此之广的杰作的名字，大神同意了吗？
有个细节，或许可以做出解释。
停更了2年之久YOLO GitHub官网，在几个小时前正式更新了README文档。
文档的更新内容主要是指向了YOLO v4的论文和源代码，
Alexey Bochkovskiy正是darknet另一个github版本的维护者，也就是YOLOv4的代码库。
这是否有可能意味着，YOLOv4得到了Joe Redmon的认可呢？
看来大神虽然已退隐江湖，但还是关心江湖的事啊。
- 脑机接口走向现实，11张PPT看懂中国脑机接口产业现状｜量子位智库2021-08-10
- 张朝阳开课手推E=mc²，李永乐现场狂做笔记2022-03-11
- 阿里数学竞赛可以报名了！奖金增加到400万元，题目面向大众公开征集2022-03-14
- 英伟达遭黑客最后通牒：今天必须开源GPU驱动，否则公布1TB机密数据2022-03-05
相关阅读
精度45.9%，推理速度72.9FPS，百度飞桨推出工业级目标检测模型 PP-YOLO
飞桨目标检测套件PaddleDetection的研发团队也为了让YOLOv3模型在工业实际应用场景拥有更优异的精度与推理速度，以尽量不增加模型计算量和推理开销为前提，探索出了一整套更深度的算法优化秘籍，将原先YOLOv3模型的精度（在COCO test-dev2017数据集）从33.0%提升了12.9个绝对百分点，达到45.9%，处于业界领先行列！而在该精度下，其推理速度在V100上达到了72.9 FPS。
