shufflenetv2和mobilenetv3

ShuffleNetV2和MobileNetV3都是用于图像分类和目标检测等计算机视觉任务的深度学习模型。

ShuffleNetV2是由微软亚洲研究院提出的一种轻量级神经网络模型，采用了通道重排(shuffle)的结构，有效地减少了模型的计算量和参数数量，同时保持了较高的准确率和性能表现。

MobileNetV3是由谷歌提出的一种基于深度可分离卷积的轻量级神经网络模型，通过引入自适应激活函数、候选通道筛选等技术，进一步提升了模型的准确率和性能表现。

总的来说，ShuffleNetV2和MobileNetV3都是针对轻量级计算机视觉任务的优秀模型，能够在保证模型轻量化的同时，实现较高的准确率和性能表现。