%0 Journal Article
%A 李开成
%A 李相龙
%A 袁磊
%A 魏国栋
%T 基于改进YOLO11的站场图图元检测方法
%D 2025
%R 10.11860/j.issn.1673-0291.20250070
%J 星空电竞app2026最新版学报
%P 198-208
%V 49
%N 5
%X <p>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 Sequence 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.</p>
%U https://jdxb.bjtu.edu.cn/CN/10.11860/j.issn.1673-0291.20250070