无处不在,搜你所想

二月底，AI学术界发生了一场大地震。

YOLO算法作者Joseph Redmon在个人Twitter上宣布，将停止一切CV研究，原因是自己的开源算法已经用在军事和隐私问题上。这对他的道德造成了巨大的考验。

YOLO是计算机视觉领域最知名的目标检测算法之一，也因为开源被业界广泛采用。

作者Joseph Redmon曾凭借该算法获得过2016年CVPR群众选择奖（People’s Choice Award）、2017年CVPR最佳论文荣誉奖（Best Paper Honorable Mention）。

YOLO及其改进算法在学术圈被广泛引用，Redmon三篇一作相关论文总引用量已经超过1万。

这样一位极具影响力的学者突然宣布退出，不免令学术界感到震撼。

Fast.ai创始人Jeremy Howard就表达了自己的感受：“我之前从来没见过这种事。”

一位法国科技公司的CTO表示，对Redmon的信念表示敬意。

Redmon过去张扬的个性可能为他今天的决定埋下了伏笔。

关于YOLO之父

Jeseph Redmon毕业于美国米德尔伯里学院计算机科学专业，辅修数学。2013年进入华盛顿大学计算机专业攻读硕士学位，继而攻读博士学位，直到2019年。

在此期间，他和导师Ali Farhadi共同提出并改进了YOLO算法。

他的主要研究范围是目标检测、图像分类和模型压缩。Redmon宣布退出CV领域研究，基本上等于将来要另起炉灶。

他的个人简历画风是这样的：

Joseph Redmon过去的实习经历也金光闪闪。

他曾在谷歌大脑实习，研究实时机器人抓握检测。之后进入AI2（也就是后来的XNOR.ai）实习，提出了二元逼近卷积神经网络XNOR-Net，该算法能够减少在移动设备上进行图像分类所需的计算量。

Redmon在2018年获得Google博士奖学金，因为他更好、更快速地发展了用于实际应用的CV工具，而被授予“机器感知、语音技术和计算机视觉”类别的奖学金。

Redmon本人还登上过TED讲台，介绍快速识别物体的CV算法。

快速的YOLO算法

YOLO全称是You Only Look Once（你只需看一次），从名称上也能看出这种算法速度快的优势，因此在许多边缘设备上，YOLO算法的使用十分广泛。

与另一种著名的目标检测算法Fast R-CNN不同的是，YOLO采用“一步”的策略，同时生成目标物体的类别和位置。

YOLO算法相比Fast R-CNN具有两大优势：

1、速度快：每秒45帧的检测速率，可用在实时视频检测中，在更小的模型上甚至达到155帧；

2、通用性好：在真实图像数据上训练的网络，可以用在虚构的绘画作品上。

但是YOLO也存在着一定的局限性：正确率不如Fast R-CNN，每个方格中只能检测一个物体，对于边缘不规则的物体，将会影响到周围物体的识别。

作者Redmon后来又在原始的YOLO技术上，发展出了YOLO9000、YOLOv3等算法，扩展了检测物体的种类、提高了模型的准确率。

今后还能用YOLO吗

Redmon突然的决定是否会影响今后YOLO的使用。关于这一点，暂时不必担心。

作者只是宣布退出CV研究，个人GitHub页上的开源项目都没有关闭。即使作者今后不再维护，考虑到YOLO巨大的影响力，开源社区的其他开发者今后也一定会继续维护下去。

Redmon本人为YOLO算法申请专利的可能性也不大，因为Redmon只是以此态度来表达对AI技术应用范围的不满，申请专利并不能阻止军事和不道德的商业用途。

AI发展到今日，道德问题越来越明显。

旧金山通过法律禁止警察在执法过程中使用人脸识别技术，旷视因为在课堂上使用AI监控技术被谴责，无不在警示AI别越界。

YOLO之父的退出是学术界对AI道德问题的又一记警钟。