deep-learning - 使用主干架构和迁移学习有什么区别？

Question

嗨，我对这个领域（深度学习，计算机视觉）超级陌生，所以这个问题听起来可能很愚蠢。

在此链接（https://github.com/GeorgeSeif/Semantic-Segmentation-Suite）中，有称为前端模型的预训练模型（例如，ResNet101）。它们用于特征提取器。我发现这些模型通常被称为骨干模型/架构。链接说一些主要模型（例如 DeepLabV3、PSPNet）依赖于预训练的 ResNet。
此外，迁移学习是采用在大型数据集上训练的模型并将其知识转移到较小的数据集，对吗？

那么我的问题是，
1.依赖预训练ResNet的模型基本做迁移学习吗？
2.如果我使用像ResNet101这样的预训练网络作为主模型（如U-Net，SegNet）的主干架构进行图像分割，它是否被认为是迁移学习？

对不起我的英语不好，如果你回答这个问题，我会非常感激。谢谢你。

标签： deep-learningneural-networkimage-segmentationtransfer-learningsemantic-segmentation