机器学习笔记 - YOLO-NAS 最高效的目标检测算法之一

一、YOLO-NAS概述

        YOLO（You Only Look Once）是一种对象检测算法，它使用深度神经网络模型，特别是卷积神经网络，来实时检测和分类对象。该算法首次在 2016 年由 Joseph Redmon、Santosh Divvala、Ross Girshick 和 Ali Farhadi 发表的论文《You Only Look Once: Unified, Real-Time ObjectDetection》中被引入。

        自推出以来，YOLO 凭借其高精度和速度，已成为对象检测和分类任务中最流行的算法之一。它在各种物体检测基准测试中都取得了最先进的性能。

        目前，YOLO-NAS 模型架构可在开源许可下使用，但预训练的权重仅可在 Deci 的 SuperGradients 库上用于研究用途（非商业）。

        “ NAS ”代表“神经架构搜索”，一种用于自动化神经网络架构设计过程的技术。NAS 不依赖手动设计和人类直觉，而是采用优化算法来发现最适合给定任务的架构。NAS 的目标是找到一种能够在准确性、计算复杂性和模型大小之间实现最佳权衡的架构。

        YOLO-NAS 模型的架构是使用 Deci 的专有 NAS 技术AutoNAC “发现”的。该引擎用于确定阶段的最佳尺寸和结构，包括块类型、块数量以及每个阶段中的通道数量。 

        总之，NAS 搜索空间中有