摘要
高分辨率工程图纸通常以重叠瓦片的方式进行分割分析，这可能导致对同一物体的不同范围产生多个预测结果。此类观测结果尽管存在较大的前景包含关系，但其交并比可能仍然较低。我们提出了一种图纸空间合并方法（DSC），该方法将局部实例预测投影到图纸坐标系中，先执行按类别划分的框级非极大值抑制，再执行置信度优先的掩膜最小交并比抑制。这一两阶段流程在去除冗余观测结果的同时保留了保留掩膜的几何形态。在十个留出的铁路信号布置图纸（包含1755个标注实例）上，验证集所选配置达到了0.8994的精确率、0.9470的召回率和0.9226的F1分数。在候选集相同、框级NMS/包含阈值固定为0.50/0.60的条件下，DSC相对于基于框的包含过滤方法将假阳性从288降至186，并将F1分数从0.8989提升至0.9226。三种随机种子的局部识别消融实验、联合阈值分析以及定量的错误与资源测量共同描述了所评估的完整流程。光学字符识别与铁路专用规则作为应用优化手段进行了独立评估。上述结果支持采用包含感知合并方法，在重叠瓦片中生成一致的实例清单，适用于所研究的工程图纸。
