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。
对于320×320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“独角兽情结”，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！
“
