YOLOv4来了！目标检测的最佳速度和准确性 在COCO上，可达43.5％ AP，65 FPS！
作者团队：Alexey Bochkovskiy&中国台湾中央研究院
PS: AB也是yolo项目维护的大神，YOLO之父忽然宣布退出CV学术界去玩推特之时，AB大神接过大旗抗了起来。
据说有许多技巧可以提高卷积神经网络（CNN）的准确性。需要在大型数据集上对这些技巧的组合进行实际测试，并对结果进行理论证明。 某些技巧仅在某些模型上运行，并且仅在某些问题上运行，或者仅在小型数据集上运行； 而某些技巧（例如批归一化和残差连接）适用于大多数模型，任务和数据集。 我们假设此类通用技巧包括加权残差连接（WRC），跨阶段部分连接（CSP），跨小批量标准化（CmBN），自对抗训练（SAT）和Mish激活。 我们使用以下新技巧：WRC，CSP，CmBN，SAT，Mish激活，马赛克数据增强，CmBN，DropBlock正则化和CIoU丢失，并结合其中的一些特征来实现最新的结果：43.5％的AP（65.7 在Tesla V100上，MS COCO数据集的实时速度约为65 FPS。 《YOLOv4: Optimal Speed and Accuracy of Object Detection》
代码：https://github.com/AlexeyAB/darknet
论文下载链接：https://arxiv.org/abs/2004.10934
关键词：#论文速递# #目标检测# #YOLO# #YOLOv4# #开源项目#
PS：计划后面出个专题跟踪分析V4的源码，看时间了