深度学习anchor、head、neck、backbone三个术语分别是指什么？

YOLOv5的anchor设定
0.anchor是从图片输入就开始调用的，一直带到最后的特征图上。
1.backbone：是主干网络，是提取特征的网络，这些网络经常使用的是resnet18，Darknet53等，通常不是我们自己设计的网络，因为这些网络已经证明了在分类等问题上的特征提取能力是很强的。在用这些网络作为backbone的时候，都是直接加载官方已经训练好的模型参数，后面接着我们自己的网络。让网络的这两个部分同时进行训练，因为加载的backbone模型已经具有提取特征的能力了，在我们的训练过程中，会对他进行微调，使得其更适合于我们自己的任务。

2.head：检测头，主要用于预测目标的种类和位置(bounding boxes)，利用之前提取的特征，做出预测。

3.neck:是放在backbone和head之间的，是为了更好的利用backbone提取的特征

简而言之，基于深度学习的目标检测模型的结构是这样的：backbone->neck->head->输出。backbone主干网络提取特征，neck脖子提取一些更复杂的特征，然后head头部计算预测输出

参考文献：链接：https://www.jianshu.com/p/014e76d3b614