“快到没朋友”的目标检测模型YOLO v3问世，之后arXiv垮掉了…

安妮 编译整理 量子位 出品 | 公众号 QbitAI

今天有三件事挺有意思。

一是以“快到没朋友”著称的流行目标检测模型YOLO推出全新v3版，新版本又双叒叕提升了精度和速度。在实现相近性能时，YOLOv3比SSD速度提高3倍，比RetinaNet速度提高近4倍。

二是有细心网友发现，模型一作在arXiv上发布研究论文时，脑回路清奇地将自己这篇论文自引自用了一下。

三是……在小哥自引自用后没多久，arXiv官方账号宣布服务器由于不明原因挂掉了……

更快更强

先说更新这件正经事~

通过调整YOLO模型中的一些细节，v3模型增大了一些准确率也有所提升，速度依旧非常快。客官不妨先看一下介绍视频——

对于320x320的图像，YOLOv3的检测速度可达22ms，mAP值可达28.2，与SSD的准确率相当但速度快3倍。

当用旧版.5 IOU mAP检测指标时，YOLOv3在英伟达TitanX显卡上51ms达到57.9AP50的性能。相比之下，RetinaNet则用198ms达到57.5AP50的性能，两者性能相近但速度相差近4倍。

△ 在实现相同准确度情况下，YOLOv3速度明显优于其他检测方法（单一变量实验）

△ 在COCO数据集上不同模型的运行情况对比

作者，和他的少女心

YOLOv3出自华盛顿大学的Joseph Redmon和Ali Farhadi之手。

Ali Farhadi是华盛顿大学的副教授，一作Joseph Redmon是他的博士生，曾在IBM实习，其实还当过电台DJ。Redmon是一个少女心有点爆棚的程序员，这里有一份他的简历，可以自行感受下。

处于不知名的原因，小哥有一些“小马情结”，可以再次感受下个人网站的画风——

“论文就该实在点”

如果单单是YOLOv3发布新版本，可能在Reddit上还达不到热度200的水平。有意思在，论文从头到尾都透露着“不太正经”的气息，比如作者自引自用论文，比如这个Introduction的开头——

自己今年没怎么做研究，花了很多时间在Twitter上，捣鼓了一下GAN。

没错，这真的是一篇arXiv上的论文。Redmon还在论文中写了写自己尝试但失败了的方法。结尾，也不忘调侃一下热点。

“还有一个更好地问题：‘我们如何使用检测器？’Facebook和Google的很多研究员也在做相关研究啊。我认为，我们至少能知道技术被应用在了有利的方面，并且不会被恶意利用并将它们卖给…等一下，你说这就是它的用途？？Oh！”

Reddit上网友的称赞每篇论文都应该这样实在，小哥在Reddit已收获大批粉丝……

相关资料

对了，对论文有疑问还是不要去@作者了，反正对方也不会回，论文中都说了~

你可以选择冒险再回看研读一下论文和代码。

论文下载地址：

https://pjreddie.com/media/files/papers/YOLOv3.pdf

项目地址：

https://pjreddie.com/darknet/yolo/

相关代码：

https://github.com/pjreddie/darknet

不过你得小心。

毕竟……YOLO模型的全称可是You Only Look Once（只能看一眼），再看可能会被吃掉！