目前比较新的卷积神经网络模型

目前比较新的卷积神经网络模型有以下几种：

1. EfficientNet：EfficientNet 是一种基于自动化模型缩放方法的高效卷积神经网络模型。它通过在深度、宽度和分辨率上进行均衡的缩放，实现了在准确性和计算效率之间的最佳平衡。

2. ResNeSt：ResNeSt 是一种基于残差网络（ResNet）的新型卷积神经网络模型。它通过重新设计残差块内部的连接方式，提高了特征重用能力，并采用了一种新的特征聚合策略，进一步提高了模型的性能。

3. RegNet：RegNet 是一种基于正则化方法的卷积神经网络模型。它通过在网络结构中引入正则化因子，实现了模型复杂度和性能之间的平衡，并且能够根据任务需求进行自动化的网络结构搜索。

4. Vision Transformer (ViT)：ViT 是一种基于注意力机制的卷积神经网络模型。它将图像分割成一组小的图像块，然后通过自注意力机制来对这些图像块进行建模，从而实现图像分类和其他计算机视觉任务。

这些模型都是在近几年提出的，并且在各种计算机视觉任务中取得了较好的性能。