104、C2PSA 的特征分离比例消融：split_factor=0.5/0.25/0.75 的精度与速度变化

104、C2PSA 的特征分离比例消融：split_factor=0.5/0.25/0.75 的精度与速度变化上周帮一个做工业缺陷检测的团队调模型，对方在YOLOv11的C2PSA模块里卡了三天——他们发现把split_factor从默认的0.5改成0.25后，mAP掉了将近2个点，但推理速度反而没怎么提升。这让我想起自己去年在C2PSA上踩过的坑：很多人以为这个参数只是简单的通道切分比例，实际上它直接影响着自注意力机制的信息流动效率。今天就把这个消融实验的完整过程拆开来讲。问题背景：C2PSA 的 split_factor 到底在控制什么C2PSA模块的核心思路是把输入特征图沿通道维度分成两部分：一部分走传统的卷积路径（通常是3x3卷积+BN+SiLU），另一部分走多头自注意力路径（MHSA）。split_factor控制的就是这个切分比例——比如0.5表示各占一半通道，0.25表示25%走注意力、75%走卷积。这个设计初衷是好的：让模型在局部细节（卷积擅长）和全局上下文（注意力擅长）之间做权衡。但实际调试中我发现，这个比例对精度和速度的影响远非线性，而且和模型深度、输入分辨率都有耦合关系。代码实现：别踩 split_factor 的坑先给出C2PSA模块的完整实现，注意我在关键位置加了注释——这些地方都是实际调试中出过问题的。