來源 | Roboflow
編輯 | 舒婷
轉自 | 新智元（id: AI_era）
YOLOv5的發佈備受關注，在多個社區引發熱議。6月14日，Roboflow聯合YOLOv5開發者，正面迴應了Hacker News社區對於YOLOv5的質疑。
YOLOv5自發布之後就受到了許多關注，無論是Hacker News，Github還是Reddit，在各個機器學習有關的平臺上都引發了廣泛的討論。當然，也不少用戶對YOLOv5提出了各方面的質疑。
這些質疑主要圍繞在兩個方面：
1、該模型是否能被命名爲YOLOv5？
2、Roboflow發佈的最初基準測試是否準確且可重複？
針對以上兩個問題，Roboflow彙總了YOLOv4作者Alexey Bochkovskiy和YOLOv5作者Glenn Jocher的想法，迴應了有關YOLOv5的問題。
YOLOv5不再是YOLO？開發者們這樣說
HackerNews社區中許多用戶認爲YOLOv5應該改名，不再屬於YOLO系列。
贊同YOLOv5改名的支持者的觀點大致如下：
Glenn Jocher並不是YOLO模型的原作者。
Glenn Jocher並沒有發表論文。
現行的YOLOv5這個模型不是一個完備的模型。
回顧YOLO的發展，這個小而精緻的模型從第一版開始就備受矚目。
Joseph Redmon在2016年的一篇論文中，引入了YOLO最初版的模型。YOLO一出生便技驚四座。人們簡直不敢相信小小體積的YOLO竟然能表現出如此超高的性能！簡直就是實時條件和設備上部署環境的理想候選人。
之後的2017年和2018年，Redmon團隊發表了對這個模型進行了改良，以論文形式發佈了YOLOv2和YOLOv3。
歷史的轉折點發生在2020年2月，Redmon突然宣佈退出計算機視覺研究！
大衆此時都默認YOLOv3將是YOLO的最後一個版本。
但是，Glenn Jocher橫空出世，在PyTorch中創建了最爲大衆接受的YOLOv3的實現。
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。這個模型甚至收到了Redmon的稱讚。
然而，距離YOLOv4發佈一個月多的時間，YOLOv5又進入了大衆的視野。Glenn Jocher發佈的YOLOv5有許多不同之處和改進。Glenn從YOLOv3開始就參與到模型搭建的工作，是YOLOv4中一個非常關鍵的技術「mosaic augmentation」的創建者。
看過YOLO的歷史之後就發現，贊同改名者所陳述的確實是事實：Glenn並沒有參與最初的YOLO創建，且成果未發表成論文，模型也並不完備。
但是，科研人員似乎應該更着眼於科研成果是否真切的改變了人們的生活，而不應該陷入「命名」的桎梏中，畢竟連在計算機視覺領域已經「退休」的Redmon都非常嘉許其他研究人員對於YOLO的改進。
正如Roboflow在Hacker News中所說的那樣：
「我們只是機器學習和人工智能的「粉絲」。我們對這個領域的發展如此之快感到驚訝。在命名範疇，我們沒有立場。我們的核心重點是幫助開發人員處理數據，構建任何模型，無論它是一個有名的模型與否。」
Roboflow表示會和Hacker News的各位積極溝通，以決定是否更換命名。
Roboflow：承認錯誤，正式摘要由Jocher在今年晚些時候發佈！
模型體系結構發佈時，有一定的數據集來評估其性能來確定模型的質量。這就是Roboflow要做的工作，此次的最初的基準測試也是Roboflow來協助YOLOv5完成的。
但是Roboflow的目標並不是去將模型改良爲「通用」的，數據集是否使用還是以建模團隊的需求爲準。Roboflow的目標是使團隊能夠在他們自己的特定領域的自定義數據集上快速輕鬆地利用計算機視覺模型。
顯然，這樣的數據及測試並不能替代關於COCO的正式基準測試。同時，針對YOLOv4和YOLOv5的比較也是建立在一個不完善的數據集上，因此結果可能不是全面的。
Roboflow在此次迴應中也承認，對於YOLOv4和YOLOv5，在推理速度上的比較並不合理。
Glenn Jocher的YOLOv5正在積極開發中。同時，Jocher表示他計劃在今年晚些時候發佈YOLOv5摘要，這將是這個模型較爲嚴格的一個質量評估報告。
參考鏈接：https://blog.roboflow.ai/yolov4-versus-yolov5/
最新 AI 乾貨，我在看
