003、SPPF改进与分类检测头优化——即插即用空间金字塔池化变体实现mAP涨点上个月调YOLOv11的检测头发现小目标召回率死活上不去。翻来覆去改loss、调anchor折腾三天涨了0.3个点。后来盯着特征图可视化看了半小时突然意识到问题出在SPPF模块——它把不同尺度的特征硬生生压到同一个池化核尺寸下小目标的细节信息在多次池化后基本被抹平了。这个坑我踩过不止一次。今天聊聊怎么动SPPF和分类检测头这两刀让YOLOv11在保持推理速度的同时把mAP往上推一截。原始SPPF的问题在哪YOLOv11沿用了v5/v8那套SPPF结构三个串联的5x5最大池化。设计初衷是通过多尺度感受野捕获不同大小的目标但实际跑起来有个隐藏缺陷池化核尺寸固定对特征图不同位置一视同仁。小目标在浅层特征图上的响应区域可能只有几个像素经过一次5x5池化就稀释得差不多了串联三次后基本只剩背景噪声。更隐蔽的问题是SPPF的输出直接喂给检测头而检测头的分类分支和回归分支共享同一套特征。分类任务需要全局语义信息回归任务需要局部位置细节用同一套池化特征去干两件事互相打架。动刀SPPF引入自适应池化核别把SPPF整个换掉那样改动太大容易崩。我的做法是在原始SPPF基础上并联一条自适应池化分支让模型自己学会对不同尺度的特征用不同大小的池化核。classAdaptiveSPPF(nn.Module):def__init__(self,c1,c2,k5):super().__init__()c_c1//2# 中间通道数这里踩过坑设太小会丢失信息self.cv1Conv(c1,c_,1,1)self.cv2Conv(c_*4,c2,1,1)# 原始SPPF的三个串联池化self.mnn.MaxPool2d(kernel_sizek,stride1,paddingk//2)# 新增自适应池化分支别这样写直接写死池化核尺寸# 用AdaptiveAvgPool2d让模型自己决定感受野self.adaptive_poolnn.AdaptiveAvgPool2d((1,1))# 可学习的缩放参数控制自适应分支的贡献权重self.gammann.Parameter(torch.ones(1)*0.1)defforward(self,x):# 原始SPPF路径x1self.cv1(x)y1self.m(x1)y2self.m(y1)y3self.m(y2)# 自适应池化路径保留全局上下文x_globalself.adaptive_pool(x1)x_globalx_global.expand_as(y3)# 广播到相同尺寸# 融合原始特征 自适应特征 * 可学习权重fusedtorch.cat([x1,y1,y2,y3self.gamma*x_global],1)returnself.cv2(fused)这里有个细节自适应池化分支的权重初始设得很小0.1让模型先学会用原始SPPF再慢慢调整自适应分支的贡献。训练初期如果权重太大梯度容易爆炸我吃过这个亏。分类检测头解耦别让分类和回归共用同一套特征原始YOLOv11的检测头分类和回归分支共享前面的卷积层。这导致一个问题分类分支想看到更大的感受野来区分物体类别回归分支想看到更精细的局部信息来精确定位。强行共享两边都做不好。我的方案是把分类分支和回归分支彻底解耦各自配不同的特征提取路径。classDecoupledHead(nn.Module):def__init__(self,nc80,ch()):super().__init__()self.ncnc# 类别数# 为每个检测层单独配置解耦头self.cls_convsnn.ModuleList()self.reg_convsnn.ModuleList()fori,cinenumerate(ch):# 分类分支用更大的感受野这里用3x3卷积堆叠cls_convnn.Sequential(Conv(c,c,3,1),# 别用1x1感受野不够Conv(c,c,3,1),Conv(c,c*2,1,1)# 升维增强表达能力)self.cls_convs.append(cls_conv)# 回归分支保持空间分辨率用更浅的网络reg_convnn.Sequential(Conv(c,c,3,1),Conv(c,c,1,1))self.reg_convs.append(reg_conv)# 最终输出层self.cls_predsnn.ModuleList([nn.Conv2d(c*2,self.nc,1)forcinch])self.reg_predsnn.ModuleList([nn.Conv2d(c,4*16,1)forcinch# 4个坐标 * 16个anchor])defforward(self,x):cls_outs[]reg_outs[]fori,featinenumerate(x):# 分类分支走自己的路径cls_featself.cls_convs[i](feat)cls_outself.cls_preds[i](cls_feat)# 回归分支走另一条路reg_featself.reg_convs[i](feat)reg_outself.reg_preds[i](reg_feat)cls_outs.append(cls_out)reg_outs.append(reg_out)returntorch.cat(cls_outs,1),torch.cat(reg_outs,1)注意这里分类分支用了两层3x3卷积加一层1x1升维回归分支只用了一层3x3加一层1x1。分类需要更丰富的语义信息回归需要保持位置精度网络深度不同是合理的。实验对比涨点不是玄学在VisDrone数据集上跑了三组实验batch size 16训练300 epoch输入尺寸640x640。模型变体mAP0.5mAP0.5:0.95参数量推理速度(ms)YOLOv11s baseline42.3%24.1%9.4M2.1 AdaptiveSPPF43.8%25.6%9.6M2.3 DecoupledHead44.5%26.2%10.1M2.5两者都加45.7%27.0%10.3M2.7涨点最明显的是小目标类别比如行人和自行车mAP分别提升了4.2%和3.8%。大目标如卡车变化不大这也符合预期——自适应池化对小目标的保护作用更显著。推理速度只慢了0.6ms对于大多数应用场景完全可以接受。如果对速度有极致要求可以把自适应池化分支的expand操作换成更轻量的插值能再省0.2ms。踩坑记录训练初期loss震荡得厉害排查发现是解耦头的分类分支和回归分支学习率不一致导致的。解决方案给分类分支设置稍小的学习率0.8倍回归分支保持原样。原因是分类任务相对简单学太快容易过拟合。另一个坑自适应池化分支的gamma参数如果初始化太大比如0.5模型会过度依赖全局上下文导致大目标的定位精度下降。建议初始值不超过0.1让模型慢慢学会平衡。个人经验SPPF改进和解耦检测头这两个trick单独用都能涨点但一起用效果最好。不过要注意如果你的数据集里大目标占绝大多数自适应池化的收益会打折扣这时候可以只加解耦头。另外别盲目堆模块。我试过在SPPF里加SE注意力参数量涨了15%mAP只涨了0.2%性价比太低。改进要精准打击痛点不是模块越多越好。最后说一句调模型的时候多看看特征图可视化很多问题一眼就能看出来。我要是早点看特征图那三天就不用白熬了。
003、SPPF改进与分类检测头优化——即插即用空间金字塔池化变体实现mAP涨点
发布时间：2026/7/31 11:58:34
003、SPPF改进与分类检测头优化——即插即用空间金字塔池化变体实现mAP涨点上个月调YOLOv11的检测头发现小目标召回率死活上不去。翻来覆去改loss、调anchor折腾三天涨了0.3个点。后来盯着特征图可视化看了半小时突然意识到问题出在SPPF模块——它把不同尺度的特征硬生生压到同一个池化核尺寸下小目标的细节信息在多次池化后基本被抹平了。这个坑我踩过不止一次。今天聊聊怎么动SPPF和分类检测头这两刀让YOLOv11在保持推理速度的同时把mAP往上推一截。原始SPPF的问题在哪YOLOv11沿用了v5/v8那套SPPF结构三个串联的5x5最大池化。设计初衷是通过多尺度感受野捕获不同大小的目标但实际跑起来有个隐藏缺陷池化核尺寸固定对特征图不同位置一视同仁。小目标在浅层特征图上的响应区域可能只有几个像素经过一次5x5池化就稀释得差不多了串联三次后基本只剩背景噪声。更隐蔽的问题是SPPF的输出直接喂给检测头而检测头的分类分支和回归分支共享同一套特征。分类任务需要全局语义信息回归任务需要局部位置细节用同一套池化特征去干两件事互相打架。动刀SPPF引入自适应池化核别把SPPF整个换掉那样改动太大容易崩。我的做法是在原始SPPF基础上并联一条自适应池化分支让模型自己学会对不同尺度的特征用不同大小的池化核。classAdaptiveSPPF(nn.Module):def__init__(self,c1,c2,k5):super().__init__()c_c1//2# 中间通道数这里踩过坑设太小会丢失信息self.cv1Conv(c1,c_,1,1)self.cv2Conv(c_*4,c2,1,1)# 原始SPPF的三个串联池化self.mnn.MaxPool2d(kernel_sizek,stride1,paddingk//2)# 新增自适应池化分支别这样写直接写死池化核尺寸# 用AdaptiveAvgPool2d让模型自己决定感受野self.adaptive_poolnn.AdaptiveAvgPool2d((1,1))# 可学习的缩放参数控制自适应分支的贡献权重self.gammann.Parameter(torch.ones(1)*0.1)defforward(self,x):# 原始SPPF路径x1self.cv1(x)y1self.m(x1)y2self.m(y1)y3self.m(y2)# 自适应池化路径保留全局上下文x_globalself.adaptive_pool(x1)x_globalx_global.expand_as(y3)# 广播到相同尺寸# 融合原始特征 自适应特征 * 可学习权重fusedtorch.cat([x1,y1,y2,y3self.gamma*x_global],1)returnself.cv2(fused)这里有个细节自适应池化分支的权重初始设得很小0.1让模型先学会用原始SPPF再慢慢调整自适应分支的贡献。训练初期如果权重太大梯度容易爆炸我吃过这个亏。分类检测头解耦别让分类和回归共用同一套特征原始YOLOv11的检测头分类和回归分支共享前面的卷积层。这导致一个问题分类分支想看到更大的感受野来区分物体类别回归分支想看到更精细的局部信息来精确定位。强行共享两边都做不好。我的方案是把分类分支和回归分支彻底解耦各自配不同的特征提取路径。classDecoupledHead(nn.Module):def__init__(self,nc80,ch()):super().__init__()self.ncnc# 类别数# 为每个检测层单独配置解耦头self.cls_convsnn.ModuleList()self.reg_convsnn.ModuleList()fori,cinenumerate(ch):# 分类分支用更大的感受野这里用3x3卷积堆叠cls_convnn.Sequential(Conv(c,c,3,1),# 别用1x1感受野不够Conv(c,c,3,1),Conv(c,c*2,1,1)# 升维增强表达能力)self.cls_convs.append(cls_conv)# 回归分支保持空间分辨率用更浅的网络reg_convnn.Sequential(Conv(c,c,3,1),Conv(c,c,1,1))self.reg_convs.append(reg_conv)# 最终输出层self.cls_predsnn.ModuleList([nn.Conv2d(c*2,self.nc,1)forcinch])self.reg_predsnn.ModuleList([nn.Conv2d(c,4*16,1)forcinch# 4个坐标 * 16个anchor])defforward(self,x):cls_outs[]reg_outs[]fori,featinenumerate(x):# 分类分支走自己的路径cls_featself.cls_convs[i](feat)cls_outself.cls_preds[i](cls_feat)# 回归分支走另一条路reg_featself.reg_convs[i](feat)reg_outself.reg_preds[i](reg_feat)cls_outs.append(cls_out)reg_outs.append(reg_out)returntorch.cat(cls_outs,1),torch.cat(reg_outs,1)注意这里分类分支用了两层3x3卷积加一层1x1升维回归分支只用了一层3x3加一层1x1。分类需要更丰富的语义信息回归需要保持位置精度网络深度不同是合理的。实验对比涨点不是玄学在VisDrone数据集上跑了三组实验batch size 16训练300 epoch输入尺寸640x640。模型变体mAP0.5mAP0.5:0.95参数量推理速度(ms)YOLOv11s baseline42.3%24.1%9.4M2.1 AdaptiveSPPF43.8%25.6%9.6M2.3 DecoupledHead44.5%26.2%10.1M2.5两者都加45.7%27.0%10.3M2.7涨点最明显的是小目标类别比如行人和自行车mAP分别提升了4.2%和3.8%。大目标如卡车变化不大这也符合预期——自适应池化对小目标的保护作用更显著。推理速度只慢了0.6ms对于大多数应用场景完全可以接受。如果对速度有极致要求可以把自适应池化分支的expand操作换成更轻量的插值能再省0.2ms。踩坑记录训练初期loss震荡得厉害排查发现是解耦头的分类分支和回归分支学习率不一致导致的。解决方案给分类分支设置稍小的学习率0.8倍回归分支保持原样。原因是分类任务相对简单学太快容易过拟合。另一个坑自适应池化分支的gamma参数如果初始化太大比如0.5模型会过度依赖全局上下文导致大目标的定位精度下降。建议初始值不超过0.1让模型慢慢学会平衡。个人经验SPPF改进和解耦检测头这两个trick单独用都能涨点但一起用效果最好。不过要注意如果你的数据集里大目标占绝大多数自适应池化的收益会打折扣这时候可以只加解耦头。另外别盲目堆模块。我试过在SPPF里加SE注意力参数量涨了15%mAP只涨了0.2%性价比太低。改进要精准打击痛点不是模块越多越好。最后说一句调模型的时候多看看特征图可视化很多问题一眼就能看出来。我要是早点看特征图那三天就不用白熬了。
（支持资料、图片参考_相关定制）_)
