paddle 36 paddledetection替换backbone（如使用hrnet_w64,swin_l_p4_w12等模型）

paddledetection内置中对很多的backbone都是支持的，但是所提供的预训练模型却是有限的，比如hrnet就只提供了hrnet_w18的模型，对于hrnet_w48，hrnet_w64就没有提供。众所周知，在各大论文的测试结果中，模型的宽度，深度越大效果越好。使用hrnet_w18做backbone能取得优越的结果，如果换成hrnet_w64必然能得到质的飞越。

paddleclas提供了丰富的预训练模型，对于paddledetection中的各种backbone都提供了完整的预训练模型版本。因此，我们可以将paddleclas中的预训练模型迁移到paddledetection中。paddleclas中的预训练模型有：PP-LCNet & PP-LCNetV2 系列、PP-HGNet 系列、ResNet 系列、移动端系列、SEResNeXt 与 Res2Net 系列、DPN 与 DenseNet 系列、HRNet 系列、Inception 系列、EfficientNet 与 ResNeXt101_wsl 系列、ResNeSt 与 RegNet 系列、ViT_and_DeiT 系列、RepVGG 系列、MixNet 系列、ReXNet 系列、SwinTransformer 系列、LeViT 系列、Twins 系列、HarDNet 系列、DLA 系列、RedNet 系列、TNT 系列、CSwinTransformer 系列、PVTV2 系列、MobileViT 系列。paddleclas中预训练模型的详情请参考链接：
https://github/PaddlePaddle/PaddleClas/blob/release/2.4/docs/zh_CN/algorithm_introduction/ImageNet_models.md