本文基于 YOLOv13 官方仓库（iMoonLab/yolov13，ultralytics 8.3.63 fork） 实测整理，Windows/CPU 全程可跑。TOOD（ICCV 2021）的任务对齐思路搬到检测头上，就是逐样本生成卷积核：把回归分支 stacked convs 的逐层输出都留下，用一层层注意力算出各层的话语权，再乘到 1×1 卷积的母核上，为每张图现算一套专属核。本文把 mmdetection 官方 TaskDecomposition 等价内嵌进 v13n 的回归分支，分类分支与损失都不动，实测 +31,254 参数（+1.25%）、GFLOPs 6.5391 → 6.5484。
前言
替换点还是第 32 层：Detect → Detect_TOOD，整网 33 层、层数不变、无顺移，[23, 27, 31] 原样不动。改动全部关在检测头内部，backbone、HyperACE、Neck、损失函数、数据增强一律不碰——对照实验只换一个 yaml 文件名，其余超参完全一致，跑出来的差异就只归因于头。
为什么盯着回归分支改：原生 cv2[i] 是 Conv(x,c2,3) → Conv(c2,c2,3) → Conv2d(c2,4*reg_max,1)，第一层 3×3 的输出只当第二层的输入，永远不直接参与预测
