该课题由上海交通大学和上海汽车集团股份有限公司技术中心共同承担。

2022年11月24日，基金会秘书处组织协调上海交通大学和上汽技术中心、以及上汽商用车技术中心、上汽大众、联合电子、上海捷氢、赛可智能、帆一尚行、上海汇众共17名工程技术人员，通过腾讯视频会议方式，围绕《基于AutoML的模型自动压缩技术研究》（2006）课题进行了阶段性（中期）研究成果技术汇报交流。

课题组通过对比分析，选取YOLOv5检测器并采用模型迁移或空间架构搜索(NAS)算法优化深度学习网络模型，实现了对目标检测网络中骨架模块和特征融合模块的搜索，在COCO标准数据集上实现了40.0%的AP精度；研究提出了基于卷积核重用技术的卷积运算搜索方法和基于重参数化技术的通道搜索方法，并对该技术与现有目标检测NAS算法进行对比，具有更快的搜索速度，更少的显存占用和更高的检测精度；该搜索技术辅助解决了企业量产视觉感知模块下的深度学习模型准确率以及实时性的优化问题：基于AS28项目中周视目标检测模块，主要搜索特征提取网络，优化了模型算法，降低了模型的计算复杂度，且辅助部署到了TDA4域控制器端。

达到中期预期目标。

针对目标检测任务的搜索空间设计