首页 > 教程攻略 > ai教程 >基于深度学习和YOLOv11的错题自动切分系统

基于深度学习和YOLOv11的错题自动切分系统

来源：互联网时间：2026-06-09 07:33:11

基于DyHead和YOLOv11的错题自动切分系统

先说说这个项目的核心思路：把动态头部检测和YOLOv11结合起来，做一个能自动识别错题的系统。它主要干三件事——用DyHead把试卷上的题目区域精确切出来，用YOLOv11识别五种常见的错误符号（✕、/、✓̷、?、○），最后通过一套四重匹配策略把错题和符号对应上。

核心技术

双模型协同架构

模块	技术方案	精度指标
题目分割	DyHead+Swim-Transformer	mAP@0.5: 98.2%
错符检测	YOLOv11-640	F1-score: 96.5%

题目分割这块，DyHead搭配Swin-Transformer，mAP@0.5达到了98.2%，基本能精准框出每道题的范围。错符检测用的是YOLOv11-640，F1-score是96.5%，五类错误符号的识别率相当可观。

四级匹配策略

匹配策略是整个系统里比较有意思的部分。错题和错符怎么对应上？这里设计了四层方案，优先级从高到低排列：

中心点包含（优先级最高）——如果错符中心落在题目框内，直接配对，简单粗暴但有效。
重叠面积占比 >30%——中心点没包含进去？那就看两者重叠面积够不够大。
IOU相似度 >0.25——重叠面积还不达标？再算算交并比。
欧氏距离 <50px（兜底方案）——前面都不行？那取距离最近的错符和题目，50像素以内就算匹配。

这套策略的好处是，几乎不会有漏匹配的情况出现。而且从实际测试来看，中心点包含方案能解决绝大多数场景——毕竟大多数错符都在题目区域内。后面三层更多是应对极端情况，比如错符正好写在题目边界上。

快速部署

环境配置

# 安装PyTorch+CUDA11.8
pip install torch==2.4.1 torchvision==0.19.1 --index-url https://download.pytorch.org/whl/cu118

# 安装项目依赖
pip install -e detectron2 ultralytics flask pillow==9.5.0

模型部署

下载预训练模型后，按照以下路径放置：

./configs/dyhead_swint_atss_fpn_2x_ms.yaml
./yolo_ckps/best.pt

启动服务

python flask_error_detection.py  # 访问 http://localhost:5004

API接口文档

错题检测接口

Endpoint: POST /detect

请求示例：

curl -X POST http://localhost:5004/detect -F "image=@test.jpg"

响应示例：

{
  "success": true,
  "data": {
    "error_count": 3,
    "questions": [
      {
        "bbox": [100,50,200,150],
        "errors": [
          {
            "type": "cuo",
            "confidence": 0.92,
            "match_method": "中心点包含"
          }
        ]
      }
    ],
    "visualization": {
      "errors_img": "base64...",
      "matches_img": "base64..."
    }
  }
}

接口返回的结果很清晰——错题数量、每道题的边界框、对应的错符类型和置信度，还有可视化结果图。base64编码的图片可以直接在前端展示，省去了额外的图片处理流程。

系统架构

Cut/
├── core/
│   ├── dyhead_detector.py  # 题目区域分割
│   └── yolo_detector.py    # 错符检测
├── utils/
│   ├── matcher.py          # 四级匹配算法
│   └── visualization.py   # 结果可视化
└── web/
    ├── static/             # 前端资源
    └── templates/          # HTML页面

架构设计很轻量，核心逻辑就四个文件：两个检测器、一个匹配器、一个可视化工具。Web层用Flask搭，前端资源直接挂在static目录下，部署起来没什么负担。