Github高赞的YOLOv5引发争议？Roboflow和开发者这样说

---

??新智元报道??

来源：Roboflow

编辑：舒婷

Joseph Redmon在2016年的一篇论文中，引入了YOLO最初版的模型。YOLO一出生便技惊四座。人们简直不敢相信小小体积的YOLO竟然能表现出如此超高的性能！简直就是实时条件和设备上部署环境的理想候选人。

?

?

历史的转折点发生在2020年2月，Redmon突然宣布退出计算机视觉研究！

?

大众此时都默认YOLOv3将是YOLO的最后一个版本。

?

但是，Glenn Jocher横空出世，在PyTorch中创建了最为大众接受的YOLOv3的实现。

?

2020年4月23日，Alexey Bochkovskiy、Chien-Yao Wang和Hong-Yuan Mark Liao推出了YOLOv4，展示了令人印象深刻的成果。这个模型甚至收到了Redmon的称赞。

? ? ??

然而，距离YOLOv4发布一个月多的时间，YOLOv5又进入了大众的视野。Glenn Jocher发布的YOLOv5有许多不同之处和改进。Glenn从YOLOv3开始就参与到模型搭建的工作，是YOLOv4中一个非常关键的技术「mosaic augmentation」的创建者。

?

看过YOLO的历史之后就发现，赞同改名者所陈述的确实是事实：Glenn并没有参与最初的YOLO创建，且成果未发表成论文，模型也并不完备。

?

但是，科研人员似乎应该更着眼于科研成果是否真切的改变了人们的生活，而不应该陷入「命名」的桎梏中，毕竟连在计算机视觉领域已经「退休」的Redmon都非常嘉许其他研究人员对于YOLO的改进。

?

正如Roboflow在Hacker News中所说的那样：

「我们只是机器学习和人工智能的「粉丝」。我们对这个领域的发展如此之快感到惊讶。在命名范畴，我们没有立场。我们的核心重点是帮助开发人员处理数据，构建任何模型，无论它是一个有名的模型与否。」

?

Roboflow表示会和Hacker News的各位积极沟通，以决定是否更换命名。

? ? ?

显然，这样的数据及测试并不能替代关于COCO的正式基准测试。同时，针对YOLOv4和YOLOv5的比较也是建立在一个不完善的数据集上，因此结果可能不是全面的。

?

Roboflow在此次回应中也承认，对于YOLOv4和YOLOv5，在推理速度上的比较并不合理。

?

Glenn Jocher的YOLOv5正在积极开发中。同时，Jocher表示他计划在今年晚些时候发布YOLOv5摘要，这将是这个模型较为严格的一个质量评估报告。

参考链接：https://blog.roboflow.ai/yolov4-versus-yolov5/

关注公众号：拾黑（shiheibook）了解更多

[广告]赞助链接：

四季很好，只要有你，文娱排行榜：https://www.yaopaiming.com/
让资讯触达的更精准有趣：https://www.0xu.cn/