机器驱动的探索设计

在构建的过程中，首先设计主要的网络原型，原型基于 YOLO 网络家族中的单阶段目标检测网络架构。然后，将原型和机器驱动的设计探索策略结合，创建一个紧凑的网络。这个网络是高度定制化的，在模块级别上有着宏架构（macro-architecture）和微架构（micro-architecture），可用于嵌入式目标检测任务。

原型主体网络设计

首先是设计主要的网络原型，研究者创建了一个原始的架构（表示为ϕ），用于引导机器进行后续的探索设计。具体而言，研究者设计的网络基于 YOLO 家族中的单阶段目标检测架构。

机器驱动的探索设计

在这一阶段，研究者让机器使用最初的原型网络、数据和人类提出的设计的要求做为指引，然后机器驱动的探索设计会决定模块级别的宏架构和微架构，用于最终的 YOLO Nano 网络。

具体来说，机器驱动的探索设计是通过生成式整合来实现的。这一方法可以决定最优的网络宏架构和微架构，并符合人类的要求。

生成式整合的总体目标是学习生成式的机器，用于生成符合设计要求、限制等条件的深度神经网络。决定生成器 G 可以形式化为一个带约束的最优化问题，即在给定一系列种子 S 的情形下，生成网络 {N_s|s ∈ S} 以最大化全局性能函数 U。在最大化过程中需要满足指示函数 1_r(·)，1r(·) 被定义来表示人类提出的需求和限制条件。