069、YOLOv11改进-关键点检测头多任务扩展即插即用涨点实验从一次深夜调试说起上周三凌晨两点，我盯着屏幕上那个死活不收敛的关键点检测头，血压已经飙到180。YOLOv11跑人体姿态估计，明明分类分支已经收敛到0.03的loss，关键点分支还在0.8附近晃悠。更诡异的是，换了三个公开数据集，结果都一样——关键点检测头的梯度像是被什么东西卡住了，更新效率极低。翻了一晚上源码，终于发现问题出在共享特征提取和独立检测头的梯度竞争上。YOLOv11原版的设计里，分类头和回归头共享同一组特征，但关键点检测头需要更精细的空间位置信息，直接复用分类分支的特征图，相当于让一个近视眼去数头发丝。多任务检测头的设计思路解决这个问题的核心思路其实很简单：给关键点检测头单独开一条特征提取通道，但又不完全脱离主干网络。我管这个叫“半共享半独立”的检测头架构。具体来说，在YOLOv11的检测头部分，我们不再让所有任务共享同一个特征金字塔输出。分类和回归继续走原来的共享路径，关键点检测头则从特征金字塔的P3、P4、P5层分别引出，经过一个轻量级的空间注意力模块后再送入独立的检测头。这个空间注意力模块的设计很关键。我试过SE、CBAM、CA三种注意力机制，最终发现Coordinate Attention效果最好，因为它能保留位置信息，这对关键点定位至关重要。class
069、YOLOv11改进-关键点检测头多任务扩展即插即用涨点实验从一次深夜调试说起上周三凌晨两点，我盯着屏幕上那个死活不收敛的关键点检测头，血压已经飙到180。YOLOv11跑人体姿态估计，明明分类分支已经收敛到0.03的loss，关键点分支还在0.8附近晃悠。更诡异的是，换了三个公开数据集，结果都一样——关键点检测头的梯度像是被什么东西卡住了，更新效率极低。翻了一晚上源码，终于发现问题出在共享特征提取和独立检测头的梯度竞争上。YOLOv11原版的设计里，分类头和回归头共享同一组特征，但关键点检测头需要更精细的空间位置信息，直接复用分类分支的特征图，相当于让一个近视眼去数头发丝。多任务检测头的设计思路解决这个问题的核心思路其实很简单：给关键点检测头单独开一条特征提取通道，但又不完全脱离主干网络。我管这个叫“半共享半独立”的检测头架构。具体来说，在YOLOv11的检测头部分，我们不再让所有任务共享同一个特征金字塔输出。分类和回归继续走原来的共享路径，关键点检测头则从特征金字塔的P3、P4、P5层分别引出，经过一个轻量级的空间注意力模块后再送入独立的检测头。这个空间注意力模块的设计很关键。我试过SE、CBAM、CA三种注意力机制，最终发现Coordinate Attention效果最好，因为它能保留位置信息，这对关键点定位至关重要。class
)
