167、动态分配策略中 Anchor Ratio 的重新聚类：用 K-Means 调整 YOLOv11 默认 Anchor

167、动态分配策略中 Anchor Ratio 的重新聚类：用 K-Means 调整 YOLOv11 默认 Anchor从一次线上翻车说起上个月我在部署YOLOv11s到边缘设备时，遇到了一个让我血压飙升的问题：模型在公开数据集上mAP50有0.52，但换到我们自己采集的工业零件数据集上，直接掉到0.31。排查了两天，最后发现罪魁祸首是默认的Anchor Ratio——YOLOv11默认的anchor宽高比是[0.5, 1.0, 2.0]，而我们数据集中大部分目标都是细长螺丝钉（宽高比0.150.3）和圆形垫片（宽高比0.91.1）。这就像让一个习惯了标准身材的检测器去识别竹竿和飞盘，能不翻车吗？YOLOv11虽然引入了动态分配策略（TaskAlignedAssigner），但anchor ratio的初始化依然沿用YOLOv5时代的固定值。动态分配只是在训练过程中调整正样本匹配，如果初始anchor跟真实目标分布差太远，模型在早期训练阶段就会陷入混乱——梯度震荡、收敛缓慢，最终mAP上不去。今天我们就用K-Means重新聚类anchor ratio，把这个坑填上。为什么动态分配救不了默认Anchor先看YOLOv11的anchor生成逻辑。在ultralytics/ultralytics/nn/modules/head.py中，Detect类的_