135、CARAFE 的上采样核大小消融：3乘3/5乘5/7乘7 编码器窗口的精度与延迟一个让我熬夜三天的bug去年年底做YOLOv11的Neck改进时，我遇到了一个诡异的精度波动问题。同样的CARAFE上采样模块，在COCO上跑出来的mAP@0.5:0.95从42.3%到42.8%来回跳，但参数量明明没变。折腾了两天，最后发现是上采样核大小这个超参数在作祟——3×3的编码器窗口在某些特征层上根本“看”不到足够的上下文信息，而7×7又让GPU显存直接爆掉。这个坑让我意识到，CARAFE的上采样核大小不是随便选的，它直接决定了特征重组时的感受野和计算开销。今天就把我踩过的坑和消融实验数据全盘托出。CARAFE编码器窗口到底在干什么先别急着调参，得搞明白这个“编码器窗口”是干啥的。CARAFE的核心思想是用一个小型卷积网络（编码器）来预测每个像素位置的上采样核权重，然后通过这个权重对输入特征进行重组。编码器窗口大小（kernel_size）决定了这个预测网络的感受野。3×3的窗口只能看到周围8个像素，7×7能看到48个像素。对于大目标检测，小窗口可能丢失全局结构信息；对于小目标，大窗口又可能引入过多噪声。这里踩过坑：很多人以为窗口越大越好，结果在YOLOv11的P5层（80×80特征图）上用了7×7，显存直接飙到12GB，训练速度慢了40%，精度反而掉了0.3个点。因为大窗口在小特征图上会严重增加计算量，而且对小目标来说，过大的感受野会模糊边界。