41 动态卷积：让YOLOv11的卷积核学会“看人下菜碟”

开篇故事

上个月，我帮一个做自动驾驶的朋友调试模型。他的YOLOv11在晴天表现完美，一到雨天或黄昏，检测精度直接掉8个点。我问他：“你的卷积核在雨天和晴天是同一套参数吗？”他愣住了。

这就是问题所在。传统卷积一旦训练完成，权重就固定了——无论输入是白天还是黑夜、城市还是乡村，都用同一套滤波器去提取特征。这就像要求一个厨师用同一把刀去切豆腐和骨头，显然不合理。

动态卷积（Dynamic Convolution）的核心思想是：让卷积核根据输入特征自适应调整。

每个输入样本都能“定制”专属的卷积核，从而在几乎不增加推理成本的前提下，显著提升模型表达能力。今天，我们就把它集成到YOLOv11中。

痛点拆解

常见误区1：动态卷积 = 多个卷积核取平均

很多人以为动态卷积就是训练K个卷积核，然后对输入求加权平均。这是典型的“知道概念但不懂精髓”。

反例代码（错误实现）：

classWrongDynamicConv(nn