一、从一次“诡异”的mAP震荡说起
去年底，我调一个工业质检项目时遇到了一个怪现象：模型训练到第120个epoch，mAP突然从0.87掉到0.82，然后又在10个epoch内弹回0.88。盯着WandB曲线看了半小时，发现分类分支的loss在震荡，回归分支却稳如老狗。直觉告诉我——两个分支的卷积层在“打架”，尤其是在浅层特征提取部分，它们学到的模式高度重叠，但参数却各自独立更新，导致梯度方向不一致。
这个现象在YOLOv5时代就有人提过，但当时大家更关注Neck结构。直到YOLOv8将Head改成解耦结构（Decoupled Head），分类和回归分支各自拥有独立的3x3卷积层，问题才被放大。而YOLOv11在YOLOv8的基础上进一步优化了解耦头设计，今天我们就从源码级别来彻底拆解它。
读完本文你将获得：
- YOLOv11解耦头的完整源码解读（含逐行分析）
- 分类分支与回归分支的数据流与张量形状变化
- DFL（Distribution Focal Loss）在解耦头中的运作机制
- 解耦头 vs 耦合头的梯度冲突对比实验数据
- TensorRT/ONNX部署中的实际性能基准
二、耦合头为什么不行？——梯度冲突的本质
2.1 一个卷积层扛两个任务
早期YOLO版本（YOLOv3到YOLOv5）使用一个卷积层同时输出分类和回归结果，结构简单但存在根本性冲突。分类需
)
