Deep learning 主干在神经网络中意味着什么？

我对神经网络中“主干”的含义感到困惑，尤其是在神经网络中。我做了一些研究，发现脊梁骨可能意味着

网络的特征提取部分

DeepLabv3+以ResNet和ResNet-101为主干。但是，我不熟悉DeepLabv3+的整个结构，主干指的是哪个部分，哪些部分保持不变

---

还希望对主干进行一般性描述或定义。

TL；DR主干不是深度学习中的通用技术术语。

（免责声明：是的，可能有一种称为“主干”的特定方法、层、工具等，但通常没有“神经网络主干”。）

如果作者在描述神经网络架构时使用“主干”一词，他们的意思是

• 特征提取（网络中“看到”输入的一部分），但这种解释在该领域并不普遍：例如，在我看来，计算机视觉研究人员会用这个术语来表示特征提取，而自然语言处理研究人员不会
• 在非正式语言中，这一部分对整体方法至关重要

在我的理解中，“主干”是指在DeepLab体系结构中使用的特征提取网络。此特征提取器用于将网络输入编码为特定的特征表示。DeepLab框架围绕此功能提取器“包装”功能。通过这样做，可以交换特征提取器，并且可以选择一个模型，以便在准确性、效率等方面适合手头的任务

---

对于DeepLab，术语主干可能指的是诸如ResNet、Exception、MobileNet等模型。

主干是指DeepLab模型/论文中用于指功能提取器网络的术语。这些特征提取器网络从输入图像计算特征，然后由DeepLab模型的简单解码器模块对这些特征进行上采样，以生成分段遮罩。DeepLab模型的作者展示了不同功能提取器（主干）的性能，如MobileNet、ResNet和Exception network。

我认为这只是本文中使用的一个概念。没什么特别的。只是他们图像的第一块。