069、YOLOv11改进-关键点检测头多任务扩展即插即用涨点实验

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