基于改进YOLO11的站场图图元检测方法
李开成
李相龙
袁磊
魏国栋
北京交通大学 自动化与智能学院,北京 100044
摘要：针对铁路信号系统站场图图纸信息难以提取的问题,提出一种基于YOLO11改进的站场图图元检测模型YOLO11-AT,通过构建融合目标检测与关键点检测的检测模型,实现了图元检测与关键点的自动提取.首先,在颈部网络部分引入了注意力尺度序列融合(Attentional Scale Se-quence Fusion,ASF)模块,融合不同尺度的特征,增强模型对小目标的检测性能;其次,在检测头部分采用了任务对齐动态检测头(Task Align Dynamic Detect Head,TADDH),通过任务对齐机制改善分类任务和定位任务之间的特征交互,减少特征冲突,提高密集目标检测精度;最后,采用切片辅助超推理(Slicing Aided Hyper Inference,SAHI)技术提高模型在高分辨率站场图像上的检测精度.在构建的多样式站场图数据集上,对提出的方法进行实验验证.实验结果表明:相较于YOLO11s-pose,YOLO11-AT在精确率、召回率、mAP0.5 和mAP0.5-kp分别提升了 9%、2.2%、4.2%和3.2%,同时参数量下降了4.3%;与现有主流检测模型相比,YOLO11-AT在检测精度与效率之间取得了更优的平衡;研究结果能够适应多种样式的站场图,可以满足实际应用的需求,为站场图图纸的自动化信息提取提供了一种可行的解决方案.
关键词：站场图图像识别YOLO11关键点检测图纸信息提取
分类号：U284.3(铁路通信、信号)
论文发表日期：2025-10-30
在线出版日期：2025-11-06（本平台首次上网日期，不代表文献的发表时间）
页数：11( 198-208 )
英文信息