Yolo电脑视觉 创始者Joseph Redmon止步于Yolo-v3
towardsdatascience.com/yolo-v4-or-yolo-v5-or-pp-yolo-dad8e40f7109
Joseph Redmon, Feb 21, 2020
I stopped doing CV research because I saw the impact my work was having.
I loved the work but the military applications and privacy concerns
eventually became impossible to ignore.
乔瑟夫:我停止电脑视觉的研究 因为我发现影响我工作的事
我爱这份工作但军事应用与隐私顾虑 最终变得无法忽视
ppt.cc/fLVoox
特斯拉执行长马斯克（Elon Musk）和Google DeepMind共同创办人苏莱曼
（Mustafa Suleyman）等超过一百名人工智能和机器人专家，今日联合发表
一封公开信，敦促联合国将自动武器列入禁用清单。
Tesla told in New York Herald: I prefer to be remembered as the inventor
who succeeded in abolishing war. That will be my highest pride.
ppt.cc/fHSe5x
特斯拉: 我愿被人们记住我是成功止战的发明者.那将是我的最高的荣耀!
Albert Einstein: The release of atom power has changed everything except
our way of thinking... the solution to this problem lies in the
heart of mankind. If only I had known, I should have become a watchmaker.
ppt.cc/f8npux
爱因斯坦: 除了人类的思惟 原子能的释放改变了一切. 这问题的解法在于人心.
若我能早些知道.. 我情愿当个制表匠.
*科技始终带给全体生命健康与幸福 而非成就个人光环*
PS:
https://www.youtube.com/watch?v=QNMX2jt9ylA
※ 引述《derekhsu (华丽的天下无双)》之铭言：
: 有在做深度学习影像处理的朋友应该都知道这个重磅消息，
: 那就是这著世界上最重要的物件侦测深度学习方法YOLO(You Only Look Once)
: ，在4月23日正式公布YOLOv4版本。
: https://mropengate.blogspot.com/2018/06/yolo-yolov3.html （物件侦测请参考）
: 这个新版本算法的推出将再度改变物件侦测算法的领域的研究，现在已经
: 有无数论坛开始在分析这份论文并且在Github上面推出自己的实做。
: 其前身YOLOv3 https://arxiv.org/abs/1804.02767 是在2018年4月8日发表的
: 论文，在Google Scholar上面被引用高达2891次，加上前身2016年YOLO, 2017
: 年的YOLO 9000各被引用8951次跟4501次，作者华盛顿大学的Joseph Redmon，
: 在短短的五年期间成为这个领域的宗师人物，从2015年起总共被引用19206次。
: 被誉作YOLO之父，跟Two-shot的算法如Faster R-CNN相比，YOLO的速度快上
: 几十倍。
: YOLO相关算法在这几年内大幅度的改变电脑视觉辨识领域，并且被大幅度的
: 应用在各种产品上，其轻量版TinyYOLO甚至可以移植到手机上。
: 然而，这次的第一作者却不是他，而是Alexey Bochkovskiy，这位也是响当当
: 的大神级人物，他正是YOLOv3的实做网络Darknet的修改版作者，在网络上流通
: 最多的版本就是他在Github上面的那组，他对原本的YOLOv3加入相当多的新功能
: 加强：
: https://github.com/AlexeyAB/darknet
: 有YOLO之父的Redmon宣布自己不会在继续CV方面的研究，而是转向Programming
: language，学术界以及产业界就非常担心YOLO的下一个版本谁可以接手，虽然
: YOLOv3也有不少改进版本，但是没有一个能承接v4之名。
: 而Alexey的接手则是受到Redmon的官方认可，这消息最近几天在CV界简直是轰天
: 大消息，其对v3提高的效果是非常巨大的：
: https://i.imgur.com/mnDUgbZ.png
: 在MS COCO的物件辨识的效率上，YOLOv4竟然可以在FPS超过100的状况下，比YOLOv3
: 的平均精确率(AP)提高33%。
: 而能够达到这样的提高，是靠着与我国中研院两位大神的合作
: Chien-Yao Wang, Hong-Yuan Mark Liao，其中前者是中研院资科所清华大学博士
: 后研究员王建尧而后者则是资科所所长廖弘源。两人研发的CSPNet detector效果
: 又快又好，于是Alexey Bochkovskiy主动找上我国中研院以此为backbone来研发
: YOLOv4，才达到如此惊人的成就。
: 包括中国在内，许多工程师与教授现在都在日以继夜的开始阅读YOLOv4，以及开始
: port YOLOv4到不同的框架，如Tensorflow以及PyTorch当中，希望尽快能够搭上这
: 一班车。
: 台湾中研院资科所能够参与这种对人类具有极大贡献，而且是世界顶级的研究专案
: ，是绝对的台湾之光，也证明了台湾的实力，只是一般台湾媒体缺乏这种知识，导
: 致他们的贡献没有被媒体报导出来，这是非常可惜的。
: 不过缺点是：
: 各位同学，你们还在改良YOLOv3或是用YOLOv3在写论文的，抱着头烧吧。