基于YOLOv4的车辆目标检测改进算法

针对当前YOLOv4算法存在的数据集特征提取不够充分、在车辆较多发生遮挡的漏检以及其CIoU损失函数未考虑到样本的平衡问题导致的检测效果不好等问题，提出了对数据集使用多种数据图像处理方式进行扩充，并对数据集进行标注；同时将CIoU损失函数和BCE损失函数进行融合，使得正负样本得到了平衡，减少了实验中可能出现的梯度消失问题，并通过调参得到最好效果。在VOC2007数据集与自制的数据集上进行检测，改进的YOLOv4算法达到了良好的效果，可满足实际应用的需要。