问SSD盗梦空间v2。VGG16特性提取器是否被v2所取代？

EN

在tensorflow对象检测api中，ssd_inception_v2模型使用inception_v2作为特征提取器，即将第一个图形中的vgg16部分(图(a))替换为inception_v2。

在ssd模型中，feature extractor提取的特征层(即vgg16、inception_v2、mobilenet)将被进一步处理以产生不同分辨率的额外特征层。在上面的图(a)中，有6个输出特性层，前两个(19x19)直接取自feature extractor。其他4个层(10x10，5x5，3x3，1x1)是如何生成的？

它们是由额外的卷积运算生成的(这些conv操作有点像使用非常浅的特征提取器，不是吗？)实现细节为这里提供了良好的文档。在文件里写着

Note that the current implementation only supports generating new layers 
using convolutions of stride 2 (resulting in a spatial resolution reduction 
by a factor of 2)

这样，额外的特征映射就会减少2倍，如果您读取函数multi_resolution_feature_maps，您将发现使用了slim.conv2d操作，这表明这些额外的层是通过额外的卷积层获得的(每个层只有一个层！)。

现在我们可以在你所链接的文件中解释什么是改进的。他们建议用启动块代替额外的特性层。这里没有inception_v2模型，而只是一个初始块。本文报道了利用起始块提高分类精度的方法。

现在应该清楚的是，vgg16、inceptioin_v2或mobilenet的ssd模型都很好，但是本文中的初始仅仅是指一个起始块，而不是初始网络。