《Refining YOLOv4 for Vehicle Detection》：
用于车辆检测的YOLOv4改进版 Refined YOLOv4 = YOLOv4+ABK+SAT+SAM，其在UA-DETRAC车辆检测数据集上，相对原版YOLOv4涨了10个点的mAP。作者团队：印度德里技术大学
每年我们都会看到更好和最新的（SOTA）目标检测器，但是由于这些检测器是在通用数据集（如COCO）上训练的，因此我们错过了针对车辆数据的目标模型改进。本文的目的是改进最新发布的YOLOv4检测器，特别是使用一些现有方法，例如使用k-means聚类优化anchor预测的车辆跟踪。我们还仔细挑选并验证了原始论文中提到的一些关键技术，以根据数据集（UA-DETRAC）的要求优化YOLOv4。 我们还将经过微调的模型在许多性能指标上与现有模型进行比较，比如精度，召回率，F1得分，mAP和mIoU。我们的实验结果表明，对于具有高度针对性的用例，已经具有实时目标检测功能的SOTA模型可以得到进一步的改进。我们敦促读者将本文（和原始模型）的范围也扩展到其他特定情况。
《Refining YOLOv4 for Vehicle Detection》
论文下载链接：原链接下载断断续续
百度链接献上：链接：https://pan.baidu.com/s/1TnD3Ogh_O0n0qvoFIhH7eg
提取码：plve
关键词：#论文速递# #YOLO# #YOLOv4# #目标检测# #车辆检测#