Head结构改进综合实验：精度提升对比

昨天深夜调一个产线缺陷检测模型，AP卡在0.83死活上不去。客户要求至少0.87，产线等着上线，压力直接拉满。盯着热力图看了半小时，发现小目标漏检严重，边界框回归也不够准——典型的Head结构瓶颈。今天把几个主流改进方案跑了个对比实验，有些结果反直觉，记录在此。

问题定位：原始Head为什么不够用？

YOLO默认的耦合头（coupled head）把分类和回归任务挤在一个卷积里，这就像让一个工人同时干质检和包装，两边都干不好。特别是小目标，特征图分辨率低，分类和回归的梯度还会互相打架。实际部署时发现，密集场景下误检率会突然飙升，就是这个问题在作祟。

# 原始耦合头结构（简化版）classCoupledHead(nn.Module):def__init__(