[问题] 论文：现代卷积目标检测器的速度/精度权衡
该论文说：“我们使用混合4c和混合5c，在四个附加的卷积层上附加 分别降低深度512、256、256、128的分辨率。”但是，我不完全了解架构。这意味着混合4c->混合5c-> 512-> 256-> 256-> 128的顺序？我也引用了代码，但仍然没有。只是，我知道SSD_inception_V2功能提取器结构（'Conv2d_1a_7x7'，'MaxPool_2a_3x3'，'Conv2d_2b_1x1'，'Conv2d_2c_3x3'，'MaxPool_3a_3x3'，'Mixed_3 Mixed_4a'，'Mixed_4b'，'Mixed_4c'，'Mixed_4d'，'Mixed_4e'，'Mixed_5a'，'Mixed_5b'，'Mixed_5c'）。
https://github.com/tensorflow/models/blob/master/research/slim/nets/inception_v2.py
[参考代码站点] 关键字：from_layer
https://github.com/tensorflow/models/blob/1f484095c0981e2a62403b16256cb877749dfe94/research/object_detection/models/feature_map_generators.py https://github.com/tensorflow/models/blob/master/research/object_detection/models/ssd_inception_v2_feature_extractor.py