100、C3k2_DBB：多样化分支块嵌入 C3k2 的多尺度多分支特征丰富方案从一次深夜调试说起凌晨两点，我盯着 tensorboard 上那条死活上不去的 mAP 曲线，咖啡已经凉透了。当时正在做一个小目标检测项目——无人机视角下的行人检测，YOLOv11 的 baseline 在 VisDrone 上跑了 50 个 epoch，mAP@0.5 卡在 42.3% 死活不动。换 backbone、调学习率、加数据增强，能试的都试了，曲线像被焊死了一样。问题出在哪？我翻了一遍特征图可视化，发现 C3k2 模块输出的特征图在浅层和深层之间缺乏有效的多尺度交互。C3k2 本身是个不错的模块，但它的分支结构相对单一——两个分支都是标准卷积，特征表达能力有限。当时脑子里闪过一个念头：如果把 DBB（Diverse Branch Block）塞进 C3k2 的分支里，让每个分支都能提取不同尺度和感受野的特征，会不会打破这个僵局？结果证明这个想法是对的。替换后 mAP 直接跳了 2.1 个点，参数量只增加了 0.3M。今天就把这个 C3k2_DBB 的完整实现和踩坑记录分享出来。DBB 模块：为什么它能“白嫖”性能DBB 的核心思想很简单：训练时用多分支结构（1x1、3x3、avg pooling 等分支并行），推理时通过结构重参数化合并成单个 3x3 卷积。这样训练时享受多分支带来的丰富特征表达能力，推理时又不增加额外计算量。但直接套用 DBB 到 C3k2 里有个坑——C3k2 内部有两个并行的分支，如果两个