BFA-YOLO：面向建筑立面附件检测的平衡多尺度目标检测网络

建筑物上墙面元素（如门、窗、阳台、空调设备、广告牌和玻璃幕墙）的检测是自动化构建建筑信息模型（BIM）的关键步骤。然而，该领域面临着附件分布不均、小目标存在以及背景噪声显著等重大挑战，严重影响检测精度。为此，本文开发了 BFA-YOLO 模型和 BFA-3D 数据集。BFA-YOLO 是一个专为分析立面附件多视角图像所设计的高级网络结构，集成了三个新颖组件：针对对象分布不均问题的特征平衡螺旋模块（FBSM）；提升小目标检测能力的目标动态对齐任务检测头（TDATH）；旨在降低背景噪声影响的位置记忆增强自注意力机制（PMESA）。这些模块共同使 BFA-YOLO 能有效应对各类挑战，提高模型的鲁棒性和检测精度。BFA-3D 数据集提供了覆盖广泛的立面附件类别的多视角图像及精确标注，旨在弥补现有立面检测数据集在单一视角和类别覆盖不足的局限。通过对比分析，BFA-YOLO 在 BFA-3D 数据集和公开的 Façade-WHU 数据集上分别比基线模型 YOLOv8 在 mAP$_{50}$ 上提升了 1.8% 和 2.9%。这些结果突出了 BFA-YOLO 在立面元素检测中的优越性能及智能 BIM 技术的推进。