一种基于FD_Net网络识别模型的复杂飞行动作识别方法
马金龙1
李正欣2
石梅林3
单圣哲4
邓涛4
吴诗辉2
1.空军工程大学装备管理与无人机工程学院,西安,710051;93995部队,西安,7103002.空军工程大学装备管理与无人机工程学院,西安,7100513.北京计算机技术及应用研究所,北京,1008544.93995部队,西安,710300
摘要：为解决复杂飞行动作识别准确率低的问题,提高飞参数据分析的准确性和可靠性,提出一种基于时间卷积网络映射锚框的飞行动作识别方法.该方法通过改进YOLOv3网络结构构建FD_Net识别模型,将复杂飞行动作识别转化为时间维度上的区域划分和分类问题;提出复杂飞行动作关键特征参数选择方法,构建包含25个特征参数的输入体系;采用基于尺度伸缩的数据增强方法解决样本不均衡问题;设计预测框回归、置信回归和分类回归的损失函数完成模型训练.实验结果表明,与现有方法相比,所提方法在复杂飞行动作识别中准确率提升显著,计算效率明显改善,验证了方法的有效性和实用性.
关键词：飞行动作识别深度学习飞行动作标注数据增强
分类号：V249.1(航空仪表、航空设备、飞行控制与导航)TP391.4(计算技术、计算机技术)
资助基金：陕西省自然科学基金(2024JC-YBMS-551)
论文发表日期：2026-02-28
在线出版日期：2026-03-13（本平台首次上网日期，不代表文献的发表时间）
页数：11( 1-11 )
英文信息