121、SPPF 的核大小与级联次数消融：3/5/7 核与 2/3/4 次级联的 12 组实验从一次线上事故说起去年秋天，我在给一个工业质检项目调优YOLOv11时，遇到了一个诡异的精度抖动问题。模型在验证集上mAP@0.5:0.95从0.723跳到0.738又跳回0.719，每次训练结果都不一样，但训练曲线看起来完全正常。排查了三天，最后发现是SPPF模块的默认配置——5x5核、2次级联——在特定分辨率下对特征图的感受野覆盖存在盲区。当时我就在想，这个从YOLOv5继承下来的SPPF，到底有多少人真正调过它的核大小和级联次数？SPPF 的底层逻辑：别被“空间金字塔”唬住SPPF（Spatial Pyramid Pooling Fast）本质上是一个多尺度特征提取器，通过不同大小的池化核来捕获不同感受野的信息。YOLOv11沿用了v5的设计：一个5x5的MaxPool2d，然后级联两次，每次的输出都拼接到一起。但这里有个关键点——级联操作不是简单的重复，而是每次池化都在前一次的输出上再做池化，相当于感受野逐级放大。举个例子，5x5核、2次级联，实际产生的感受野是：5x5（第一次）、9x9（第二次，因为5+5-1=9）。如果改成3次级联，第三个感受野就是13x13。这个叠加效应很多人会忽略，以为级联只是重复同样的操作。实验设计：12组配置的暴力测试我选了三个核大小（3、5、7）和四个级联次数（2、3、4），总共12组实验。数据集用的是COCO 2017的5