May, 2023

基于 WISE 红外数据的深度学习应用：恒星、星系和类星体分类

PDF
TL;DR本文提出了一种名为 IICnet 的深度学习分类网络用于分类 WISE 图像中的源，实验结果表明 IICnet 对 WISE 源的特征提取具有良好的能力，分类效果也优于其他方法，同时在处理红外图像方面也显示出优越性，是一种有效的红外源分类方法。
wisedeep learningclassificationinfrared sourcesiicnet
发现论文，激发创造
  • unWISE 目录: WISE 成像五年内的 20 亿红外来源

    本文介绍了 unWISE Catalog，其基于内部深度成像和更加准确的建模，通过同时拟合成千上万个源来获得更准确的光变，并将所有公开可用的 3-5 微米 WISE 成像联合起来，通过在全球范围内检测半十亿个银河系的新目标，使所观测数据丰富多彩。

    Jan, 2019

  • 使用深度卷积神经网络进行星系分类

    本研究提出了一种使用深度卷积神经网络的恒星 - 星系分类框架，可直接基于像素值进行学习，避免了人工特征工程需求，并且能在 SDSS 和 CFHTLenS 数据集上取得与传统机器学习技术相竞争的准确和可靠的概率分类结果。

    Aug, 2016

  • 利用监督式机器学习对银河系平面紧凑射电源进行分类

    使用射电和红外图像对银河平面上的紧凑射电源进行分类，训练了两个不同的分类器，通过完全监督的方法获得高分类准确率，两个模型的性能随着添加远红外和谱指数信息而提高。

    Feb, 2024

  • 用于分类、检测和预测斯隆数字天区 Stripe 82 类星体光度红移的深度学习方法

    本研究使用卷积神经网络（CNN）对斯隆数字天空调查中的类星体进行分类和检测，以及预测类星体的光度红移，并结合随机森林分类器提高准确性，相较于其他分类器表现显著提高，在未来的大数据库例如大型巡天望远镜中具有很好的应用前景。

    Dec, 2017

  • 广域成像技术一：神经网络在目标探测和星系分类中的应用

    使用新的大型 CCD 探测器进行的天文学广域成像带来了前所未有的规模的数据降低问题，该论文提出了一种新的基于神经网络 (NN) 的包 NExt (神经提取器)，可以自动检测物体、执行混合成分消除和恒星 / 星系分类。

    Jun, 2000

  • 宽场红外巡天卫星（WISE）：任务描述与初始轨道性能

    用全天巡天调查所得到的数据和激光测距仪的精度，为以后更精细的黑洞研究提供了新的数据来源和工具。

    Jul, 2010

  • RadioGalaxyNET: 检测广延电波星系和红外主体的数据集和新颖计算机视觉算法

    利用 RadioGalaxyNET 多模态数据集和一套新颖的计算机视觉算法自动检测和定位多组件扩展射电星系及其对应的红外主机，为创建下一代深度调查的射电星系目录提供支持。该数据集包括 2,800 张射电和红外双通道的图像中共 4,155 个星系实例，每个实例提供扩展射电星系类别，包围所有组件的边界框，像素级分割掩模以及对应红外主机星系的关键点位置的信息。对数据集进行了几种目标检测算法的基准测试，并提出了一种新颖的多模态方法，同时检测射电星系和红外主机的位置。

    Dec, 2023

  • 通过组合神经网络简化多波段映射中的透镜状类星体鉴定

    本研究使用卷积神经网络和深度学习管道自动检测强透镜效应，并在多波段图像中检测到了可以用于光谱学确认的 161 个候选源。

    Jul, 2023

  • 一种轻量级的遥感图像分类深度学习模型

    本文研究了远程感应图像分类中的高性能、轻量级的深度学习模型，并通过知识蒸馏将教师引导下的最佳性能模型训练出较少复杂度的学生模型，实现了高性能。经过在 NWPU-RESISC45 基准的大量实验，证明了该方法胜过现有的最佳系统，并有潜力在多种边缘设备上应用。

    Feb, 2023

  • 深度神经网络实现人类水平的光谱分类和红移测量

    QuasarNET 是一款深度卷积神经网络，可分类和估算星系物理光谱的红移。该网络解决了光谱学的两个问题：存在或不存在波长决定样本，其频移程度则决定其红移，从而极大地减少了线的混淆和红移失败。

    Aug, 2018