YOLOv4今年問世以來，不僅廣受全球AI社群討論，在9月28日的MSCOCO物件偵測競賽中排名世界第一。
YOLOv4的誕生，還得從2017年的科技部計畫說起。當時，科技部提出「業界出題、學界解題」AI計畫，由企業提出問題，再由學界提供技術來解決，讓學界技術得以落地應用。
在這項計畫中，中研院資科所與義隆電子媒合，要來解決義隆電子提出的交通車流分析問題。為了解題，廖弘源找來以前的博士班學生組隊，包括後來YOLOv4的共同作者、中研院資科所博士後研究員王建堯，以兩大共識來執行任務，也就是要挑選能以科學解決的現實產業問題，以及「先把手弄髒，」先不要考慮論文發表，如此才能從動手做的過程中，找出最佳解法。
經雙方討論，團隊制定出2018年至2021年的解題目標。首先，2018年要完成魚眼車流分析、多攝影機行人識別技術、行動裝置人臉防偽技術，2019年鎖定路口停等車隊與車流分析、混流車牌識別、行車魚眼多物件追蹤，2020年則是結合前兩年的魚眼車流分析技術和停等車隊與車流分析技術，來建立路口交通號誌控制系統；2021年則要完善智慧交通路網號誌控制系統，要透過混流車牌識別技術，以科技執法來揪出違規車輛。
有了年度目標，團隊也進一步規畫開發流程。2018年，他們聚焦於魚眼十字路口車流分析，將使用場景鎖定於路口交通號誌燈，在號誌燈上裝設魚眼鏡頭，搭配Nvidia Jetson TX2平臺，來拍攝、分析道路路口影片。其中的技術要求，包括要能辨識車輛、車種和數量統計，比如認出汽車、機車、自行車、聯結車等，此外，還要能辨識車流量、車行平均速度、路口平均佔有率和車輛間距等。
同年6月，團隊也部署魚眼鏡頭，實際測試用來分析車流量的演算法，並根據偵測到的數據，來調整交通號誌燈號。
接下來，2019年，團隊將開發目標擴展至停等車隊分析，將槍型式攝影機裝設於交通號誌燈或一旁立桿上，每個方向裝一支，一樣搭配Nvidia Jetson TX2平臺，來拍攝、分析路口影片。而技術目標，則是要辨識各車道線內的停等車種和間距，比如機車、小客車及大型車，以及這些車間的距離。
在實作上，他們進行了停等車隊與車速的分析，以及停等車隊與車流的分析。而當時槍型攝影機所搭配的物件偵測演算法，就是「意外發展出來的YOLOv4。」