131、Head 的三个检测分支独立配置注意力：P3/P4/P5 层各自最优注意力的自适应选择
从一次深夜调试说起
凌晨两点，我盯着 tensorboard 上那条死活不收敛的 mAP 曲线，差点把咖啡泼到键盘上。事情是这样的：我在 YOLOv11 的 Head 里统一加了个 CBAM，P3 小目标检测头 recall 涨了 3 个点，但 P5 大目标检测头 precision 直接掉了 4 个点。当时我第一反应是“注意力模块有问题”，但单独测试每个分支时发现——CBAM 在 P3 上确实有效，在 P5 上反而成了噪声。
这个现象让我意识到一个被很多人忽略的事实：不同尺度的特征图对注意力机制的敏感度完全不同。P3 层（80x80）负责小目标，需要更强的空间注意力来定位密集物体；P5 层（20x20）负责大目标，通道注意力更能帮助区分语义类别。用一个统一的注意力模块去适配三个检测头，本质上是在“削足适履”。
问题本质：为什么统一注意力是错的
YOLOv11 的 Head 结构里，三个检测分支共享一个 Neck 输出的特征金字塔，但每个分支的语义层级和空间分辨率差异巨大。P3 层经过的卷积层数最少，特征图尺寸最大，每个像素对应的感受野小，目标信息稀疏——这时候空间注意力能帮模型“聚焦”到小目标区域。P5 层经过多次下采样，特征图尺寸最小，每个像素包含丰富的语义信息——通道注意力能帮模型“筛选”出对特定类别重要的特征通道。
更关键的是，不同注意力模块的计算开销差异很大。SE 注意力
