125、Decoupled Head 中分类与回归分支的深度消融：2/3/4 层卷积的最优配置一个让我熬夜三天的bug去年秋天，我在调一个工业检测项目——检测手机屏幕上的微裂纹。YOLOv11默认的Decoupled Head跑得还行，mAP@0.5:0.95在0.78左右。但客户要求0.82以上，否则不验收。我试了各种trick：Mosaic增强、EMA、CIoU调参……效果都差那么一口气。直到有一天凌晨三点，我盯着TensorBoard里的分类和回归分支的loss曲线发呆——分类分支的loss降得很快，但回归分支的loss在30个epoch后几乎不动了。直觉告诉我：两个分支的能力不匹配。于是我开始折腾Decoupled Head的卷积层数配置。这一折腾就是三天，踩了无数坑，最后发现——2/3/4层卷积的排列组合，对最终性能的影响远超我的预期。Decoupled Head的结构回顾YOLOv11的Head结构其实继承自YOLOX的设计哲学：分类和回归任务解耦。但YOLOv11做了个关键改动——默认两个分支都用3层卷积（3×3 Conv + BN + SiLU）。# YOLOv11默认的Decoupled Head实现（简化版）