YOLO之父退出CV界表達抗議，拒絕AI算法用于軍事和隱私窺探
曉查 發(fā)自 凹非寺
量子位 報道 | 公眾號 QbitAI
今天，AI學術(shù)界發(fā)生了一場大地震。
YOLO算法作者Joseph Redmon在個人Twitter上宣布，將停止一切CV研究，原因是自己的開源算法已經(jīng)用在軍事和隱私問題上。這對他的道德造成了巨大的考驗。
YOLO是計算機視覺領(lǐng)域最知名的目標檢測算法之一，也因為開源被業(yè)界廣泛采用。
作者Joseph Redmon曾憑借該算法獲得過2016年CVPR群眾選擇獎（People’s Choice Award）、2017年CVPR最佳論文榮譽獎（Best Paper Honorable Mention）。
YOLO及其改進算法在學術(shù)圈被廣泛引用，Redmon三篇一作相關(guān)論文總引用量已經(jīng)超過1萬。
這樣一位極具影響力的學者突然宣布退出，不免令學術(shù)界感到震撼。
Fast.ai創(chuàng)始人Jeremy Howard就表達了自己的感受：“我之前從來沒見過這種事?！?/p>
一位法國科技公司的CTO表示，對Redmon的信念表示敬意。
Redmon過去張揚的個性可能為他今天的決定埋下了伏筆。
關(guān)于YOLO之父
Jeseph Redmon畢業(yè)于美國米德爾伯里學院計算機科學專業(yè)，輔修數(shù)學。2013年進入華盛頓大學計算機專業(yè)攻讀碩士學位，繼而攻讀博士學位，直到2019年。
在此期間，他和導師Ali Farhadi共同提出并改進了YOLO算法。
他的主要研究范圍是目標檢測、圖像分類和模型壓縮。Redmon宣布退出CV領(lǐng)域研究，基本上等于將來要另起爐灶。
他的個人簡歷畫風是這樣的：
Joseph Redmon過去的實習經(jīng)歷也金光閃閃。
他曾在谷歌大腦實習，研究實時機器人抓握檢測。之后進入AI2（也就是后來的XNOR.ai）實習，提出了二元逼近卷積神經(jīng)網(wǎng)絡XNOR-Net，該算法能夠減少在移動設備上進行圖像分類所需的計算量。
Redmon在2018年獲得Google博士獎學金，因為他更好、更快速地發(fā)展了用于實際應用的CV工具，而被授予“機器感知、語音技術(shù)和計算機視覺”類別的獎學金。
Redmon本人還登上過TED講臺，介紹快速識別物體的CV算法。
快速的YOLO算法
YOLO全稱是You Only Look Once（你只需看一次），從名稱上也能看出這種算法速度快的優(yōu)勢，因此在許多邊緣設備上，YOLO算法的使用十分廣泛。
與另一種著名的目標檢測算法Fast R-CNN不同的是，YOLO采用“一步”的策略，同時生成目標物體的類別和位置。
YOLO算法相比Fast R-CNN具有兩大優(yōu)勢：
1、速度快：每秒45幀的檢測速率，可用在實時視頻檢測中，在更小的模型上甚至達到155幀；
2、通用性好：在真實圖像數(shù)據(jù)上訓練的網(wǎng)絡，可以用在虛構(gòu)的繪畫作品上。
但是YOLO也存在著一定的局限性：正確率不如Fast R-CNN，每個方格中只能檢測一個物體，對于邊緣不規(guī)則的物體，將會影響到周圍物體的識別。
作者Redmon后來又在原始的YOLO技術(shù)上，發(fā)展出了YOLO9000、YOLOv3等算法，擴展了檢測物體的種類、提高了模型的準確率。
今后還能用YOLO嗎
Redmon突然的決定是否會影響今后YOLO的使用。關(guān)于這一點，暫時不必擔心。
作者只是宣布推出CV研究，個人GitHub頁上的開源項目都沒有關(guān)閉。即使作者今后不再維護，考慮到Y(jié)OLO巨大的影響力，開源社區(qū)的其他開發(fā)者今后也一定會繼續(xù)維護下去。
Redmon本人為YOLO算法申請專利的可能性也不大，因為Redmon只是以此態(tài)度來表達對AI技術(shù)應用范圍的不滿，申請專利并不能阻止軍事和不道德的商業(yè)用途。
AI發(fā)展到今日，道德問題越來越明顯。
舊金山通過法律禁止警察在執(zhí)法過程中使用人臉識別技術(shù)，曠視因為在課堂上使用AI監(jiān)控技術(shù)被譴責，無不在警示AI別越界。
YOLO之父的退出是學術(shù)界對AI道德問題的又一記警鐘。
- 腦機接口走向現(xiàn)實，11張PPT看懂中國腦機接口產(chǎn)業(yè)現(xiàn)狀｜量子位智庫2021-08-10
- 張朝陽開課手推E=mc2，李永樂現(xiàn)場狂做筆記2022-03-11
- 阿里數(shù)學競賽可以報名了！獎金增加到400萬元，題目面向大眾公開征集2022-03-14
- 英偉達遭黑客最后通牒：今天必須開源GPU驅(qū)動，否則公布1TB機密數(shù)據(jù)2022-03-05
相關(guān)閱讀
精度45.9%，推理速度72.9FPS，百度飛槳推出工業(yè)級目標檢測模型 PP-YOLO
飛槳目標檢測套件PaddleDetection的研發(fā)團隊也為了讓YOLOv3模型在工業(yè)實際應用場景擁有更優(yōu)異的精度與推理速度，以盡量不增加模型計算量和推理開銷為前提，探索出了一整套更深度的算法優(yōu)化秘籍，將原先YOLOv3模型的精度（在COCO test-dev2017數(shù)據(jù)集）從33.0%提升了12.9個絕對百分點，達到45.9%，處于業(yè)界領(lǐng)先行列！而在該精度下，其推理速度在V100上達到了72.9 FPS。
