声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：61-1525/N
国际刊号：2097-1915
发布日期:
作者：马金龙1,2,李正欣1,石梅林3,单圣哲2,邓涛2,吴诗辉1
单位：1.空军工程大学装备管理与无人机工程学院,西安,710051; 2.93995部队,西安,710300;3.北京计算机技术及应用研究所,北京,100854\
关键词：飞行动作识别;深度学习;飞行动作标注;数据增强
基金：陕西省自然科学基金(2024JC-YBMS-551)
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。
来源：2026年第1期
《空军工程大学学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。