首先，请回想一下，你在Tik Tok最喜欢的视频是什么？

　　相信很多人都会忍不住看几秒钟萌狗视频，然后给他们一个好赞。

　　都说“吸一会儿狗才爽，一直吸狗才爽”。然而，虽然“云吸狗”很受欢迎，边肖想在这里说，“云吸狗”仍然没有真正的吸狗香。

　　像边肖一样，还有一个加拿大小弟赖德。

　　不同的是，赖德真的亲手做了一个狗探测器。该检测器还与扬声器相连。每当有人遛狗经过他们家的时候，探测器会先识别出来，然后这个喇叭会提醒他“快来吸狗！”

　　不仅如此，赖德还突发奇想。这些狗太可爱了，它们的主人应该得到赏识。

　　所以他改进了整个系统。现在这个喇叭不仅能提醒他赶紧吸狗，还能大声对路边的狗主人说“我喜欢你的狗”。

　　当然，路人在不明所以时可能会显得愚蠢：

　　甚至有热心读者评论道，“其实还可以安装一个零食发射器，给路过的狗狗分发零食”。

　　消化细菌只是坐在这里，等待这个装有零食发射器的狗探测器。

　　超级简单的狗检测器，只是覆盆子馅饼，项目已经开源。根据赖德的介绍，这个项目是为他的一个朋友做的，他曾经做出了仅仅为了抓一只狗而爬上6英尺高的围栏的开创性工作。

　　所以，其实整个项目的思路也很简单。你只需要识别路过的狗，然后通知他。

　　那就去做。

　　首先，准备一个树莓Pi摄像头，对准窗外的街道，实时记录动态，然后将数据馈送给一个机器学习模型，它会根据输入的数据识别物体。

　　莱德使用的型号叫做YOLOv3。该模型中的数据是手动标注的。当数据达到一定量级时，他们将数据馈送给机器学习系统，然后对其进行训练。

　　据了解，该模型可以识别80多种物体，包括狗、人和车。

　　 Ryder将这些系统与自定义代码结合起来，然后就可以在街上测试了。

　　可以看出，该系统不仅能正确识别人和狗，还能对路边的汽车进行标记。

　　接下来，赖德拿出一个扩音器，输入了一条语音信息。现在如果有狗经过，会实时通知。

　　但是不一定能保证有好的视野。

　　目前莱德也在GitHub上开源了这个“狗狗识别”项目，有需要的朋友可以自助哦~

　　 GitHub链接：https://github.com/rydercalmdown/dog_detector

　　 YOLO的背后是什么说到YOLO，目标检测网络，应该是目前最常用的目标检测算法，在自动驾驶、人脸识别等领域都有其过人之处。

　　 YOLO由Joseph Redmon等人在2015年首次提出，并在随后的几篇论文中进行了修订。仅YOLO一人，Redmon就获得了2016年CVPR人民选择奖和2017年CVPR最佳论文荣誉奖。在学术界，YOLO也很吃香，三篇海贼王论文的总引用次数已经超过16000次。

　　在性能上，由于YOLO只使用单一网络，可以直接对检测性能进行端到端的优化，使基本的YOLO模型以每秒45帧的速度实时处理图像。

　　以YOLOv3为例，608608图像在Pascal Titan X上的处理速度达到20FPS，mAP@0.5在COCO test-dev上达到57.9%，与RetinaNet的结果差不多，快4倍。

　　同时，YOLOv3不仅发扬了YOLO系列速度的优势，还提高了模型精度，特别是加强了对小目标和重叠遮挡目标的识别，弥补了之前的不足。这是当时速度和精度平衡的目标探测网络。

　　然而，就在去年年初，YOLO之父约瑟夫雷德蒙(Joseph Redmon)突然宣布退出计算机视觉领域。

　　 Redmon在Twitter上表示，由于军事和隐私问题以及担忧，他选择不进行CV研究。

　　 Fast.ai的创始人杰瑞米霍华德转发并评论道，“我以前从未见过这样的事情”。

　　更让大家关心的是，YOLO的更新也暂时搁浅了。

　　好在两个月后，另一位曾经参与维护YOLO项目的阿列克谢博奇科夫斯基(Alexey Bochkovskiy)在arXiv上提交了YOLOv4，这篇论文也被拉入了原YOLO之父建立的项目主线。

　　根据论文介绍，在COCO数据集上，YOLOv4达到43.5%AP和65FPS，分别提高了10%和12%，运行速度是EfficientNet的两倍。

　　 YOLOv4的速度(FPS)和精度(MS COCO AP50…95和AP50)优于其他目标探测器。

　　论文总结出YOLOv4有以下三个主要贡献：

　　提出了一种高效强大的目标检测模型，可以用1080Ti或2080Ti训练出超快速准确的目标检测器。在探测器训练过程中，验证了最先进的赠品袋和专业袋方法对目标探测器的影响。对SOTA方法进行了改进，使其更有效，更适合于单个GPU的训练。根据介绍，YOLOv4还使用了相当多的技能：

　　 BOF:主干的切割混合和镶嵌数据增强，DropBlock正则化，Bos的类标签平滑：主干的Mish激活函数，CSP，BOF的MiWRC:ciou-loss，CmBN，DropBlock正则化，探测器的镶嵌数据增强，自我对抗训练，消除网格敏感性，对单个地面实况使用多个锚，余弦退火调度程序，最佳超参数，BoS的随机训练形状：探测器的Mish激活函数，SPP，SAM，PAN，欧弟-NMS。但是，边肖还是想说，技术是中性的，区别在于使用它的人。

　　比如这个狗狗探测仪，不仅能发挥YOLO的价值，还能治愈人心。为什么不呢？