计算机应用研究

作者：朱文博,陈龙飞,迟玉伦,

单位：上海理工大学机械工程学院,上海200093；

关键词：PIDNet,SwinTransformer,线型识别,纸质工程制图,迁移学习,混合空洞卷积,

基金：国家自然科学基金资助项目(52075340)；；

识别纸质工程制图图像的难点主要在于线型识别，针对纸质工程制图线型规范性差、跨度长、相对于背景图像尺寸小等问题，提出一种纸质工程制图线型识别Swin-PIDNet模型。用Swin Transformer替换PIDNet主干网络，在减少下采样的同时增强了模型长程建模能力；提出一种逐阶段解冻的迁移学习方法，提升模型对线型识别的训练效率和精度，平滑模型训练过程；针对工程制图线型的细长特征，嵌入注意力模块EMA到PAHDC模块中，从而改善背景信息淹没线型特征信息的问题；为处理线型类别不平衡问题，将Focal loss和Dice loss通过加权结合构建Swin-PIDNet的训练损失函数。实验证明该模型的评价指标MIoU为87.02%、MPA为95.42%、F1分数为96.57%，相较于其他模型，该模型具有较强的线型识别能力，对纸质工程制图图像识别具有理论研究意义和实际应用价值。

来源：2026年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第1期