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。标准卷积的采样点是方方正正的规则网格，目标一转、一弯、一遮挡，网格外的特征就采不到了。DCNv2（Modulated Deformable Convolution，Zhu et al., ICCV 2019，DCN 系列的收官之作）给每个采样点加一个可学习的偏移和一个0~1 的调制系数，让卷积核自己"贴"到目标身上。本文用torchvision 官方
deform_conv2d算子（其 mask 参数即 DCNv2 的调制）实现，替换进 v13n 的第 3 层下采样卷积，实测+43,227 参数，GFLOPs 6.5→6.6。
前言
卷积层篇的"替换式"玩法（层数不变、yaml 层号不用顺移）：把普通卷积换成采样方式更聪明的卷积。前有 ODConv 换"更聪明的卷积核权重"、RFAConv 换"感受野内的位置加权"，本篇动的是采样点的几何位置。DCNv2 出自 ICCV 2019《Deformable ConvNets v2: More Deformable, Better Results》（官方源码 mmdetection 的ModulatedDeformConv2dPack），本文直接基于torchvision.o
