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

简介:

云栖号资讯:【点击查看更多行业资讯
在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来!


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。

1

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。

2

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。

2

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。

3

4
5
6

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。

7

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。

8

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。”

9

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。

10

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。

【云栖号在线课堂】每天都有产品技术专家分享!
课程地址:https://yqh.aliyun.com/live

立即加入社群,与专家面对面,及时了解课程最新动态!
【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK

原文发布时间:2020-04-24
本文作者:边策 鱼羊 十三
本文来自:“量子位公众号”,了解相关信息可以关注“公众号 QbitAI”

相关文章
|
2月前
|
自然语言处理 测试技术 计算机视觉
ECCV 2024:提升GPT-4V、Gemini检测任务性能,你需要这种提示范式
【8月更文挑战第14天】在2024年ECCV上,一篇论文介绍了DetToolChain——一种创新提示范式,旨在提升GPT-4V等多模态大型语言模型在检测任务上的表现。它利用精心设计的视觉提示引导模型关注图像的关键区域,并通过Chain-of-Thought方法将复杂任务分解为简单步骤,显著提高了零样本目标检测的准确性。实验显示,在多个基准测试上,DetToolChain带来了高达24.23%的性能提升。然而,这种方法可能需要大量计算资源,并且在不同任务和数据集上的效果仍有待验证。
131 66
|
5月前
|
人工智能 物联网 开发者
田渊栋等人新作:突破内存瓶颈,让一块4090预训练7B大模型
【2月更文挑战第18天】田渊栋等人新作:突破内存瓶颈,让一块4090预训练7B大模型
101 2
田渊栋等人新作:突破内存瓶颈,让一块4090预训练7B大模型
|
5月前
|
机器学习/深度学习 编解码 数据可视化
南开大学提出YOLO-MS | 超越YOLOv8与RTMDet,即插即用打破性能瓶颈
南开大学提出YOLO-MS | 超越YOLOv8与RTMDet,即插即用打破性能瓶颈
89 1
|
机器学习/深度学习 存储 人工智能
ICLR 2023 Spotlight|节省95%训练开销,清华黄隆波团队提出强化学习专用稀疏训练框架RLx2
ICLR 2023 Spotlight|节省95%训练开销,清华黄隆波团队提出强化学习专用稀疏训练框架RLx2
173 0
|
传感器 机器学习/深度学习 固态存储
3D检测界的“YOLO” | 将PointPillars优化16倍,还能很好的控制精度,非常香!!!
3D检测界的“YOLO” | 将PointPillars优化16倍,还能很好的控制精度,非常香!!!
267 0
|
机器学习/深度学习 人工智能 缓存
连夜卷出 | 超越所有YOLO检测模型,mmdet开源当今最强最快目标检测模型!(二)
连夜卷出 | 超越所有YOLO检测模型,mmdet开源当今最强最快目标检测模型!(二)
525 0
|
Go 计算机视觉 开发者
连夜卷出 | 超越所有YOLO检测模型,mmdet开源当今最强最快目标检测模型!(一)
连夜卷出 | 超越所有YOLO检测模型,mmdet开源当今最强最快目标检测模型!(一)
508 0
|
机器学习/深度学习 人工智能 PyTorch
改变几行代码,PyTorch炼丹速度狂飙、模型优化时间大减(1)
改变几行代码,PyTorch炼丹速度狂飙、模型优化时间大减
122 0
|
PyTorch 算法框架/工具 决策智能
改变几行代码,PyTorch炼丹速度狂飙、模型优化时间大减(2)
改变几行代码,PyTorch炼丹速度狂飙、模型优化时间大减
133 0
|
缓存 资源调度 算法
YOLOv5-Lite 详解教程 | 嚼碎所有原理、训练自己数据集、TensorRT部署落地应有尽有(一)
YOLOv5-Lite 详解教程 | 嚼碎所有原理、训练自己数据集、TensorRT部署落地应有尽有(一)
1211 0
下一篇
无影云桌面