# FlightProcedureClassify

**Repository Path**: han-duoduo/flight-procedure-classify

## Basic Information

- **Project Name**: FlightProcedureClassify
- **Description**: 航迹网络分类2024
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 2
- **Forks**: 0
- **Created**: 2024-03-01
- **Last Updated**: 2025-03-25

## Categories & Tags

**Categories**: Uncategorized

**Tags**: Jupyter-notebook, Python

## README

# 项目介绍

- 该项目主要是基于改进的随机深度网络算法，对飞行程序进行分类预测的模型
- 随机深度网络论文:[Deep Networks with Stochastic Depth](https://arxiv.org/abs/1603.09382)

# 目录介绍

- src: 存放源文件相关代码
    - convNeuralNetwork: 存放网络模型及训练目录
    - dataPreprocessing: 数据预处理目录
    - drawTrack: 绘制航迹目录
- data:
    - classifyData: 存放分类后的数据目录
    - outImgs: 存放每条航迹的图片目录
    - outImgsApp: 存放进场航航迹的图片目录
      - annotation: 进场标注图目录
      - Train: 进场训练图目录
    - outPut: 存放一些预处理后的数据目录
    - outTrainImgs: 存放所有待分类航迹的图片目录
    - outWeights: 存放网络的权重参数目录

# 项目使用

- Step 1: 生成工作目录
>运行: "./src/dataPreprocessing/ZUTF_Departure.ipynb"

- Step 2: 网络训练
>运行: "./src/convNeuralNetwork/preProcessingImgs.ipynb"
> 
> 根据标注数据生成训练集
> 
> 运行: "./src/convNeuralNetwork/train.ipynb"
> 
> 进行训练，并得到模型及权重参数以及后续的模型推理

- Step 3: 绘制航迹/分类航迹
>运行: "./src/drawTrack/ZUTF离场航迹绘制.ipynb"
> 
>运行: "./src/drawTrack/ZUTF离场分类航迹绘制.ipynb"