对象检测模型最出名的当选YOLO系列，其YOLO系列已经更新到V8系列，但是现有的YOLO模型面临限制，如量化支持不足和准确性延迟权衡不足。

YOLO-NAS模型在包括COCO、Objects365和Roboflow 100在内的知名数据集上进行了预训练，使其非常适合生产环境中的下游对象检测任务。YOLO-NAS的发布在对象检测模型的推理性能和效率方面实现了重大飞跃，解决了传统模型的局限性，并为各种任务和硬件提供了前所未有的适应性。新的YOLO-NAS以无与伦比的精度-速度性能提供最先进的（SOTA）性能，优于YOLOv5、YOLOv6、YOLOv7和YOLOv8等其他型号。

但是其主流的对象检测模型，要想运行的速度要快，需要使用性能强劲的GPU作为后台算力。随着移动终端的普及，对大模型使用在移动终端上的需求也越来越多。其Google 发布的mediapipe系列成功的把对象检测模型运行在移动终端上，其运行速度都是ms级别的延时。