1.backbone：翻譯為主干網絡的意思，既然說是主干網絡，就代表其是網絡的一部分，那么是哪部分呢？翻譯的很好，主干部分，哈哈哈哈，文字游戲了哈。這個主干網絡大多時候指的是提取特征的網絡，其作用就是提取圖片中的信息，共后面的網絡使用。這些網絡經常使用的是resnet VGG等，而不是我們自己設計的網絡，因為這些網絡已經證明了在分類等問題上的特征提取能力是很強的。在用這些網絡作為backbone的時候，都是直接加載官方已經訓練好的模型參數，后面接着我們自己的網絡。讓網絡的這兩個部分同時進行訓練，因為加載的backbone模型已經具有提取特征的能力了，在我們的訓練過程中，會對他進行微調，使得其更適合於我們自己的任務。
2.head：head是獲取網絡輸出內容的網絡，利用之前提取的特征，head利用這些特征，做出預測。
3.neck:是放在backbone和head之間的，是為了更好的利用backbone提取的特征
基於深度學習的現在目標檢測算法中有三個組件：Backbone、Neck和Head，乍一看很讓人不理解：
- Backbone, 譯作骨干網絡，主要指用於特征提取的，已在大型數據集(例如ImageNet|COCO等)上完成預訓練，擁有預訓練參數的卷積神經網絡，例如：ResNet-50、Darknet53等
- Head，譯作檢測頭，主要用於預測目標的種類和位置(bounding boxes)
- 在Backone和Head之間，會添加一些用於收集不同階段中特征圖的網絡層，通常稱為Neck。
簡而言之，基於深度學習的目標檢測模型的結構是這樣的：輸入->主干->脖子->頭->輸出。主干網絡提取特征，脖子提取一些更復雜的特征，然后頭部計算預測輸出
