Yolo電腦視覺 創始者Joseph Redmon止步於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.
喬瑟夫:我停止電腦視覺的研究 因為我發現影響我工作的事
我愛這份工作但軍事應用與隱私顧慮 最終變得無法忽視
ppt.cc/fLVoox
特斯拉執行長馬斯克（Elon Musk）和Google DeepMind共同創辦人蘇萊曼
（Mustafa Suleyman）等超過一百名人工智慧和機器人專家，今日聯合發表
一封公開信，敦促聯合國將自動武器列入禁用清單。
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: 我願被人們記住我是成功止戰的發明者.那將是我的最高的榮耀!
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
愛因斯坦: 除了人類的思惟 原子能的釋放改變了一切. 這問題的解法在於人心.
若我能早些知道.. 我情願當個製錶匠.
*科技始終帶給全體生命健康與幸福 而非成就個人光環*
PS:
https://www.youtube.com/watch?v=QNMX2jt9ylA
※ 引述《derekhsu (華麗的天下無雙)》之銘言：
: 有在做深度學習影像處理的朋友應該都知道這個重磅消息，
: 那就是這著世界上最重要的物件偵測深度學習方法YOLO(You Only Look Once)
: ，在4月23日正式公佈YOLOv4版本。
: https://mropengate.blogspot.com/2018/06/yolo-yolov3.html （物件偵測請參考）
: 這個新版本演算法的推出將再度改變物件偵測演算法的領域的研究，現在已經
: 有無數論壇開始在分析這份論文並且在Github上面推出自己的實做。
: 其前身YOLOv3 https://arxiv.org/abs/1804.02767 是在2018年4月8日發表的
: 論文，在Google Scholar上面被引用高達2891次，加上前身2016年YOLO, 2017
: 年的YOLO 9000各被引用8951次跟4501次，作者華盛頓大學的Joseph Redmon，
: 在短短的五年期間成為這個領域的宗師人物，從2015年起總共被引用19206次。
: 被譽作YOLO之父，跟Two-shot的演算法如Faster R-CNN相比，YOLO的速度快上
: 幾十倍。
: YOLO相關演算法在這幾年內大幅度的改變電腦視覺辨識領域，並且被大幅度的
: 應用在各種產品上，其輕量版TinyYOLO甚至可以移植到手機上。
: 然而，這次的第一作者卻不是他，而是Alexey Bochkovskiy，這位也是響噹噹
: 的大神級人物，他正是YOLOv3的實做網路Darknet的修改版作者，在網路上流通
: 最多的版本就是他在Github上面的那組，他對原本的YOLOv3加入相當多的新功能
: 加強：
: https://github.com/AlexeyAB/darknet
: 有YOLO之父的Redmon宣佈自己不會在繼續CV方面的研究，而是轉向Programming
: language，學術界以及產業界就非常擔心YOLO的下一個版本誰可以接手，雖然
: YOLOv3也有不少改進版本，但是沒有一個能承接v4之名。
: 而Alexey的接手則是受到Redmon的官方認可，這消息最近幾天在CV界簡直是轟天
: 大消息，其對v3提高的效果是非常巨大的：
: https://i.imgur.com/mnDUgbZ.png
: 在MS COCO的物件辨識的效率上，YOLOv4竟然可以在FPS超過100的狀況下，比YOLOv3
: 的平均精確率(AP)提高33%。
: 而能夠達到這樣的提高，是靠著與我國中研院兩位大神的合作
: Chien-Yao Wang, Hong-Yuan Mark Liao，其中前者是中研院資科所清華大學博士
: 後研究員王建堯而後者則是資科所所長廖弘源。兩人研發的CSPNet detector效果
: 又快又好，於是Alexey Bochkovskiy主動找上我國中研院以此為backbone來研發
: YOLOv4，才達到如此驚人的成就。
: 包括中國在內，許多工程師與教授現在都在日以繼夜的開始閱讀YOLOv4，以及開始
: port YOLOv4到不同的框架，如Tensorflow以及PyTorch當中，希望盡快能夠搭上這
: 一班車。
: 台灣中研院資科所能夠參與這種對人類具有極大貢獻，而且是世界頂級的研究專案
: ，是絕對的台灣之光，也證明了台灣的實力，只是一般台灣媒體缺乏這種知識，導
: 致他們的貢獻沒有被媒體報導出來，這是非常可惜的。
: 不過缺點是：
: 各位同學，你們還在改良YOLOv3或是用YOLOv3在寫論文的，抱著頭燒吧。