Aug, 2023

比较 Benedix 等人 (2020) 和 Lee 和 Hogan (2021) 的自动撞击坑目录

PDF
TL;DR用神经网络和其他自动化方法进行撞击坑映射的研究近年来有所增加，应用于太阳系各个行星体的自动化撞击坑检测算法（CDAs）。本文比较了 Benedix 等人（2020）和 Lee＆Hogan（2021）的公开可用目录，并展示了使用测试目录的指标对报告性能敏感。作者通过采用更宽松的比较方法指出，允许较差的候选撞击坑与真实撞击坑匹配可以获得更高的 CDA 性能。作者展示了 Benedix 等人（2020）的目录在不断增加的纬度下有较大的性能损失，并确定了可能导致此损失的图像投影问题。最后，作者建议使用独立数据源或训练方法的辅助网络对生成的大型科学数据集中神经网络的应用进行验证。
crater mappingneural networksautomated crater detection algorithmsperformance metricsimage projection
发现论文，激发创造
  • 基于深度学习的陨石坑检测系统：综述

    该研究综述了基于深度学习的撞击坑检测算法的发展，讨论了撞击坑检测的挑战以及不同的算法类别，包括语义分割、目标检测和分类。研究还对在常见数据集上进行的语义分割算法的训练和测试进行了评估，并提出了未来研究的建议。

    Sep, 2023

  • 从嫦娥五号中鲁棒的摄像机姿态探测撞击坑

    对含有斜视角度的图像中的撞击坑检测算法的性能进行了评估，结果表明在含有真实月球图像的预训练下，该算法具有较高的检测性能。同时提供了首个包含斜视角度图像的撞击坑检测算法数据集，以进一步发展更为稳健的算法。

    Jun, 2024

  • 卷积神经网络在陨坑检测中的应用

    本文利用卫星图像和机器学习技术，应用卷积神经网络对天体的撞击坑进行自动检测，并取得了良好效果。

    Jan, 2016

  • 使用 Segment Anything 模型（SAM）进行深度学习的通用陨石坑检测

    提出了一种基于 Segment Anything Model 的通用撞击坑检测方案，可以成功地在不同的数据类型（如原始卫星图像、DEM 等）、不同的设置（如月球，火星）和不同的捕获角度下识别撞击坑外观对象，并使用形状指标拟合椭圆恢复检测到的撞击坑的位置和大小 / 几何。

    Apr, 2023

  • 嵌入式系统上资源高效的撞击坑检测器评估

    火星陨石坑的实时分析对任务关键操作至关重要，包括安全降落和地质探测。本研究利用最新突破，实现了在航天器上对陨石坑的边缘检测。我们在火星陨石坑数据集上对几个 YOLO 网络进行了严格的基准测试，分析了它们在嵌入式系统上的性能，重点优化低功耗设备。我们为新一代成本效益高、基于商用现成产品的较小卫星进行了优化。在包括 Google Coral Edge TPU、AMD Versal SoC VCK190、Nvidia Jetson Nano 和 Jetson AGX Orin 在内的多种平台上进行了详细的权衡分析。我们的研究结果确定了最佳的网络设备配对，提高了在资源受限硬件上进行陨石坑检测的可行性，为高效和弹性的星际图像处理设定了新的先例。代码：该网址链接。

    May, 2024

  • 行星科学数据的特征提取和分类：机器学习的应用

    采用机器学习神经网络来识别外行星任务的图像数据集，以实现特征识别。我们分别应用了转移学习和更新的训练模型的方法来识别埃罗帕上混沌区断裂冰的冰块，以及通过训练模型来识别土卫六上的云，进一步验证了我们的技术。

    Oct, 2023

  • LROC-PANGU-GAN：用行星模拟器填补学习撞击坑分割的仿真缺口

    我们引入了一个系统来闭合真实环境与现有培训数据之间的 “真实性” 差距，同时保持标签的准确性。我们使用 CycleGAN 模型合成 LROC 和 PANGU 图像，结果表明这些改进了下游撞击坑分割网络的训练，与仅使用模拟的 PANGU 图像相比，真实 LROC 图像的分割性能得到提高。

    Oct, 2023

  • 高分辨率卫星图像上行星表面巨石的自动特征描述

    通过使用一个实例分割神经网络（BoulderNet）并利用高分辨率卫星图像，以不同行星表面为数据集，我们可以自动化检测和轮廓描绘巨石，达到与人工描绘相似的性能，并提供了一个通用的开源工具来描述整个巨石领域。

    Jan, 2024

  • 高对比度光谱学中的机器学习用于外行星探测：将互相关图和深度学习应用于中分辨率整体场谱

    通过使用监督深度学习算法，将光谱和空间维度相结合，我们开发了一种新的方法，以提高积分场谱学（IFS）数据集的高对比度外行星的检测灵敏度。在将光谱维度转化为径向速度维度后，机器学习算法的真阳率受径向分离变化的影响较小，能够减少误报并提高对直接成像行星在 IFS 数据集中的检测限制。

    May, 2024

  • Euclid：使用深度学习在模拟图像中识别小行星轨迹

    通过使用深度学习方法，我们建立、训练和测试了一种机器学习流程，可以提高在 Euclid 图像中检测小行星痕迹的能力，大大增加了检测到的小行星数量。

    Oct, 2023