Tag： #深度学习 #目标检测 #Backbone
简而言之，基于深度学习的目标检测模型的结构可以概括为：输入->主干->脖子->头->输出
主干网络提取特征，脖子提取一些更复杂的特征，然后头部计算预测输出
Backbone
我们一般将Backbone译作骨干网络或主干网络，它主要指网络中用于特征提取的部分。一般采用已在大型数据集(例如ImageNet|COCO等)上完成预训练的模型，例如：ResNet-50、Darknet53、VGG等。
Neck
用在Backbone和Detection Head之间用来更好地融合和提取特征，进一步提升特征的多样性及鲁棒性。一些模型会添加一些用于收集不同阶段中特征图的网络层。
Detection Head
- 获取网络输出，利用提取特征做出预测
- 后续连接的网络层由于主要是服务于detection任务，因此称之为“Detection head”
- Detection Head译作检测头是获取模型输出内容的网络，利用之前提取的特征做出预测，主要包括预测目标的种类和位置(bounding boxes)。
其他
Bottle Neck：瓶颈，通常指网络输入输出数据维度不同，通常输出维度比输入维度小很多、
GAP：Global Average Pool全局平均池化，将某个通道的特征取平均值
Warm up：小的学习率先训练几个epoch，这是因为网络的参数是随机初始化的，一开始就采用较大的学习率容易数值不稳定