基于DyHead和YOLOv11的错题自动切分系统项目简介集成动态头部检测与YOLOv11的智能错题识别系统具备DyHead检测器高精度题目区域分割YOLOv11模型5类错误符号识别✕、/、✓̷、?、○智能匹配引擎支持中心点包含/重叠面积/IOU/距离四重匹配策略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DyHeadSwim-TransformermAP0.5: 98.2%错符检测YOLOv11-640F1-score: 96.5%四级匹配策略中心点包含优先级最高重叠面积占比30%IOU相似度0.25欧氏距离50px兜底方案快速部署环境配置# 安装PyTorchCUDA11.8pipinstalltorch2.4.1torchvision0.19.1 --index-url https://download.pytorch.org/whl/cu118# 安装项目依赖pipinstall-edetectron2 ultralytics flaskpillow9.5.0模型部署下载预训练模型DyHead权重[cut_question.pth]提取码r5htYOLOv11权重[best.pt]提取码r5ht放置路径./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:5004API接口文档错题检测接口Endpoint:POST /detect请求示例curl-XPOST http://localhost:5004/detect-Fimagetest.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...}}}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页面效果演示Web界面功能实时上传试卷图片错题区域高亮标注可下载切分后的错题图片集![检测效果对比图]左原始试卷 | 右错题标记与切分结果教育场景适配支持A4/B5试卷、手写批改痕迹、多科目符号体系