【YOLO改进】换遍MMPretrain主干网络之ShuffleNetV1（基于MMYOLO）

ShuffleNetV1

ShuffleNetV1是一种轻量级卷积神经网络架构，由Megvii (Face++)提出，旨在通过高效的计算和低内存占用来加速移动和嵌入式设备上的神经网络推理。ShuffleNetV1于2017年发布，其主要贡献在于提出了两种创新技术：组卷积 (group convolution) 和 通道洗牌 (channel shuffle)，以显著减少计算复杂度和参数量。

ShuffleNetV1的优势

1. 高效的组卷积：ShuffleNetV1采用组卷积，将输入通道分成多个组，并在每个组内独立进行卷积操作。这样做大大减少了计算量，因为组卷积减少了每个卷积核需要处理的输入通道数。

2. 通道洗牌：组卷积在减少计算量的同时也引入了通道之间的信息隔离问题。ShuffleNetV1通过“通道洗牌”操作来解决这个问题，即在每次组卷积之后重新排列通道，使得不同组之间的信息能够相互混合，从而增强网络的表达能力。

3. 轻量级和高性能：通过结合组卷积和通道洗牌，ShuffleNetV1在保持高精度的同时极大地减少了参数量和计算复杂度，使其非常适合在移动设备和嵌入式系统中部署。

4. 高效的模型结构：ShuffleNetV1采用了瓶颈结构（bottleneck structure）和逐点卷积（pointwise convolution），进一步优化了网络的计算效率和参数利用率。

ShuffleNetV1作