127、DyHead 的 Block 数量消融：1/2/3/4/6 个 DyHead Block 的精度-延迟曲线
去年年底调一个工业检测项目，客户要求模型在 Jetson Orin NX 上跑到 30fps 以上，mAP 还不能低于 0.75。我一开始直接上了 YOLOv8 的官方配置，DyHead 默认塞了 4 个 Block，结果一测延迟直接飙到 38ms，mAP 倒是到了 0.78。当时我就想，这 4 个 Block 是不是太多了？能不能砍掉几个？后来翻了一圈论文，发现 DyHead 的原始设计是给大模型用的，小模型上堆 4 个 Block 纯属浪费计算资源。于是我把 Block 数量从 4 砍到 2，延迟降到 22ms，mAP 只掉了 0.01。这个坑让我意识到，DyHead 的 Block 数量根本不是越多越好，得根据模型大小和硬件平台来调。
为什么 Block 数量这么敏感
DyHead 的核心是动态尺度感知、空间感知和任务感知三个注意力模块的堆叠。每个 Block 包含一次尺度注意力、一次空间注意力和一次任务注意力，计算量是线性叠加的。在 YOLOv11 的 Neck 部分，特征图分辨率是 80x80、40x40、20x20 三尺度，每个 Block 都要在这三个尺度上跑一遍注意力。假设输入通道是 256，一个 Block 的 FLOPs 大约在 0.8G 左右（具体取决于实现细节）。4 个 Block 就是 3.2G，2 个 Block 只有 1.6G，差距直接翻倍。
更关键的是，D