前言

不同于NAS-FPN搜索FPN和NAS-FCOS对FPN和prediction head同时搜索，本文直接对大头backbone进行搜索。

方案

1、第一步设计NAS搜索空间，这点在这没有太大新意

2、基于one-shot supernet的方式在Imagenet上预训练，然后再coco上finetune这个supernet

3、搜索的时候只用了500张训练图片去做bn的re-calibration，用EA算法去搜索，一下简图阐述了整个过程

实验结果和消融实验

实验结果非常好：

预训练是否有效，做了消融实验，把剔除了预训练的那组训练时间加长到和有预训练那组的一致来比较：

可以从图上看到，预训练十分有效，imagenet的知识至关重要，作者还有cifar做了预训练，发现效果不如imagenet。这个预训练思想值得借鉴