《Refining YOLOv4 for Vehicle Detection》：
用於車輛檢測的YOLOv4改進版 Refined YOLOv4 = YOLOv4+ABK+SAT+SAM，其在UA-DETRAC車輛檢測數據集上，相對原版YOLOv4漲了10個點的mAP。作者團隊：印度德里技術大學
每年我們都會看到更好和最新的（SOTA）目標檢測器，但是由於這些檢測器是在通用數據集（如COCO）上訓練的，因此我們錯過了針對車輛數據的目標模型改進。本文的目的是改進最新發布的YOLOv4檢測器，特別是使用一些現有方法，例如使用k-means聚類優化anchor預測的車輛跟蹤。我們還仔細挑選並驗證了原始論文中提到的一些關鍵技術，以根據數據集（UA-DETRAC）的要求優化YOLOv4。 我們還將經過微調的模型在許多性能指標上與現有模型進行比較，比如精度，召回率，F1得分，mAP和mIoU。我們的實驗結果表明，對於具有高度針對性的用例，已經具有實時目標檢測功能的SOTA模型可以得到進一步的改進。我們敦促讀者將本文（和原始模型）的範圍也擴展到其他特定情況。
《Refining YOLOv4 for Vehicle Detection》
論文下載鏈接：原鏈接下載斷斷續續
百度鏈接獻上：鏈接：https://pan.baidu.com/s/1TnD3Ogh_O0n0qvoFIhH7eg
提取碼：plve
關鍵詞：#論文速遞# #YOLO# #YOLOv4# #目標檢測# #車輛檢測#