本研究提出了一种基于深度学习的图像质量评估算法,利用自编码器学习高质量天文图像的特征,从而实现自动评估图像质量和噪声区域的遮盖,提高数据处理效率。该算法经过两种情景的测试,证明能够有效识别点扩散函数和复杂背景所影响的区域,可用于不同的天文巡天项目中的图像质量评估,进一步提高数据处理的速度和稳定性。
May, 2024
本文介绍了应用于天文银河图像的高级图像处理技术的综合案例研究,以实现更准确和更快速的分析。
Dec, 2018
本文综述了近期计算机视觉技术在图像美感质量评估中的应用,详细介绍了基于手工特征和深度特征的不同方法以及评估标准,并探讨了新兴的深度学习技术在美学评分中的应用以及利用计算方法操纵图像美感的可能性。
Oct, 2016
本文主要介绍了天文学中大数据和机器学习的应用,重点讲解了监督机器学习和无监督机器学习两种算法,包括数据预处理、评估方法、支持向量机、随机森林、浅层神经网络、聚类分析、降维、可视化和异常检测等方面,旨在提高天文学家使用这些工具从海量数据中挖掘新知识的能力。
Apr, 2019
通过手动标注的 1000 张来自 XMM-Newton 空间望远镜光学监视相机的图像,我们提供了一个包含不同类型伪影的数据集,并使用该数据集来训练自动化机器学习方法,进一步展示了用于准确检测和遮蔽伪影的技术。我们采用卷积神经网络(CNNs)和基于转换器的模型的混合方法,在分割中利用它们的优势。通过提供可重现的基准线,所提出的方法和数据集将推动天文观测中的伪影检测。所有代码和数据都可供使用。
Jun, 2024
使用自监督学习的方式学习天文学中的巨大数据源,通过图像表示的学习,可以在不需要过多标记的情况下获得与使用有监督学习方法获得的结果相当甚至更好的效果,可能可以有效减少标记数量。
Dec, 2020
基于可解释人工智能的方法,自动检测和定位所捕捉到的天体目标,以验证其是否在智能望远镜产生的深空图像中可见。
Nov, 2023
本研究概括了机器智能在射电图像分类方面的应用,并聚焦于射电星系形态分类。在射电天文学中,合作制作注释数据集和索引识别到的射电源是必要的。
May, 2023
通过深度学习的方法,本文综述了可用于人脸图像质量评估的文献,探讨了该技术在人脸识别和其它应用方面的潜在应用。
Sep, 2020
本文研究了多波段数据分类问题,使用了学习向量量化、单层感知器和支持向量机三种机器学习算法,并使用了特征选择技术进行特征重要性评价。结果表明,在特征较少时,学习向量量化和单层感知器具有更好的性能,而在考虑更多特征时,支持向量机具有更好性能。该方法可以用于预选 AGN 候选对象。
Mar, 2004