Created by: soldier828

• 问题描述：PaddleDetection的配置文件直接加载骨干网络的预训练模型。如果单纯训练COCO任务，那么让检测头权重随机初始化很合理。实际中，一般是使用COCO训练好的整体网络再去finetune其他任务，效果会更好。

• 对比实验：分别使用paddle原始的yolov3和PaddleDetection的yolov3，训练同一个任务（只有一个类别的检测任务），前者比后者map高0.02左右（前者0.81，后者0.79）。推测是加载权重的差异导致的，paddle原始的yolov3可以加载整个网络（backbone+yolov3检测头）的权重，PaddleDetection默认只加载backbone的权重。

• 参考code链接： PaddleDetection： https://github.com/PaddlePaddle/models/blob/ad1a917fd8588931eff310f8bc8962e2c02eecaf/PaddleCV/PaddleDetection/configs/yolov3_darknet.yml#L11 paddle原始的yolov3：https://github.com/PaddlePaddle/models/tree/develop/PaddleCV/yolov3 最下面的「模型fine-tune」方式