在论文“ ForestNet: Classifying Drivers of Deforestation in Indonesia using Deep Learning on Satellite Imagery ”中，作者谈到了使用：
- 特征金字塔网络（作为架构）
- EfficientNet-B2（作为主干）
验证集的性能度量。仅输入来自可见 Landsat 8 波段数据的 RF 模型在验证集上的性能最低，但辅助预测器的结合大大提高了其性能。所有的 CNN 模型都优于 RF 模型。性能最好的模型，我们称之为 ForestNet，使用了带有 EfficientNet-B2 主干的 FPN 架构。SDA 的使用在验证集上提供了巨大的性能提升，土地覆盖预训练和结合辅助预测器都导致了额外的性能提升。
架构和主干有什么区别？我在网上找不到太多。具体来说，它们各自的目的是什么？从高层的角度来看，将两者结合起来会是什么样子？