融合自适应注意力的车站平面图信息提取网络
来源：计算机工程与应用杂志2026年第13期北京时间：
作者：郑云水, 徐帅
单位：兰州交通大学 自动化与电气工程学院，兰州 730070；
摘要：车站平面图设计规范不统一，设备图元的形态和表达方式差异较大，致车站平面图信息提取困难，识别成本较高。基于此，提出了一种融合自适应注意力的车站平面图信息提取网络，称为自适应多尺度YOLO（adaptive multi-scale YOLO，AM-YOLO）。该算法基于YOLOv8改进而来，针对车站平面图尺寸较大的特点，引入滑动窗口切割策略显著缓解特征损失；针对车站平面图中设备图元交错、位置关系复杂的问题，提出自适应通道空间注意力机制提高网络对特征信息的提取效率；针对设备图元纹理和外观相似问题，设计多尺度感知模块，扩大网络感受野以提高对平面图中高级语义信息的提取能力。对比实验结果表明，该方法对车站平面图的平均检测精度达93.2%，相较于YOLOv8检测精度提升9.3%。该算法实现了对车站平面图中各类复杂设备的准确识别和信息提取，有效提高了车站计算机联锁系统及相关应用的开发效率。
关键词：目标检测,信息提取,车站平面图,注意力机制
基金资助：国家重点研发计划（2021YFB2300305-05）。
