在原始的SSD论文中，他们使用VGG16网络进行特征提取。我正在使用TensorFlow模型库中的SSD Inception v2模型，但我不知道架构上的区别。这个Stack Overflow帖子建议，对于其他模型如SSD MobileNet，VGG16特征提取器被MobileNet特征提取器替换。
我以为SSD Inception的情况也是一样的，但这篇论文让我感到困惑。从这篇论文来看，似乎Inception被添加到了SSD模型的一部分，而VGG16特征提取器仍然保留在架构的开始部分。
SSD Inception v2模型的架构是什么？
回答：
在TensorFlow对象检测API中，ssd_inception_v2模型使用inception_v2作为特征提取器，也就是说，第一张图（图(a)）中的vgg16部分被inception_v2替换了。
在SSD模型中，由feature extractor（即vgg16、inception_v2、mobilenet）提取的特征层将被进一步处理以生成不同分辨率的额外特征层。在上面的图(a)中，有6个输出特征层，前两个（19×19）直接来自feature extractor。另外4个层（10×10、5×5、3×3、1×1）是如何生成的？
它们是由额外的卷积操作生成的（这些卷积操作有点像使用非常浅的特征提取器，对吗？）。实现细节在这里提供，文档很好。在文档中提到
请注意，当前的实现仅支持使用步长为2的卷积生成新层（导致空间分辨率减少2倍）这就是额外特征图如何减少2倍的原因，如果你阅读multi_resolution_feature_maps函数，你会发现使用了slim.conv2d操作，这表明这些额外层是通过额外的卷积层获得的（每层只有一层！）。
现在我们可以解释你链接的论文中改进了什么。他们提出用Inception块替换额外的特征层。这里没有inception_v2模型，而只是一个Inception块。论文报告通过使用Inception块提高了分类准确性。
现在这个问题应该很清楚了，带有vgg16、inception_v2或mobilenet的SSD模型都可以，但论文中的Inception仅指一个Inception块，而非Inception网络。
