Dec, 2023

深度学习螺旋臂与条状结构分割

PDF
TL;DR我们提出了第一个用于分割银河螺旋臂和棒状结构的深度学习模型。经过专家天文学家的盲评估，我们预测的螺旋臂掩模优于当前的自动化方法（99% 的评估）和我们的原始志愿者标签（79% 的评估）。专家评价我们的螺旋臂掩模在 89% 的评估中被评为 “大部分良好” 至 “完美”。从我们预测的棒状结构掩模派生出的棒长与一个专门的众包项目完全一致。我们掩模的像素级精度在以前是不可能的，在新的研究中将支撑螺旋臂和棒的演化。
deep learning modelgalactic spiral armsbarsautomated methodsevolution
发现论文，激发创造
  • 星系分类：使用数值数据的机器学习方法进行形状分类

    本文介绍了使用 Galaxy Zoo 项目的数值数据进行星系分类的机器学习模型，该模型利用卷积神经网络从星系图像中提取特征并将其分类为螺旋形或椭圆形。我们通过将模型与人类分类器在 Galaxy Zoo 数据集的子集上进行比较来证明模型的有效性。我们的结果表明，我们的模型在星系分类上具有高准确性，并有可能显著增强我们对星系形成和演化的理解。

    Nov, 2023

  • 螺旋 - 椭圆自动星系形态分类从望远镜图像

    发展了两种新颖的星系形态统计方法，并简化了现有的图像统计方法，通过随机森林分类器准确检测螺旋和椭圆星系。

    Oct, 2023

  • 利用 SpinalNet 进行星系的形态分类

    本文介绍了 SpinalNet 这种类似于人体远感系统的深度神经网络，其输入分割使得中间层能够接收前一层的一些输入和输出，从而减少了中间层的权重，使得计算成本和误差都大幅降低，应用于 Galaxy Zoo 数据集的分类准确率得到了进一步提升，分别为 98.2％，95％和 82％。

    May, 2023

  • Galaxy Zoo：揭开旋转困境 —— 螺旋臂隆起与角度倾斜观测显示地方螺旋星系正在绕轴旋转

    研究了螺旋星系中星冕大小与臂旋特征之间的关系，发现现代螺旋星系分类主要依据星冕大小而非臂旋特征，且显示出臂旋特征可能是不断变化的，存在着 “缠绕问题”，而晕的存在可能对臂旋特征起到拖延作用，并可能影响旋臂静态密度波的生成。

    Apr, 2019

  • 利用弱标签进行广义无线电星系形态学识别的深度学习

    讨论使用弱监督深度学习算法，以减少复杂射电星系的像素级标签成本。使用澳大利亚平方公里阵列（ASKAP）望远镜的数据，展示了该算法在预测像素级信息方面的高准确性，包括射电辐射的掩蔽遥远星系中的所有成分和红外主机位置的掩模。

    Aug, 2023

  • 通过机器学习复现星系形态：星系动物园

    此论文提出了一种使用机器学习进行形态分类的方法，并在 SDSS DR6 目录中测试了该方法的效果，并发现利用自适应形状参数、浓度和纹理等参数可以改善算法分类效果，并证明使用 Galaxy Zoo 目录可以为下一代广域成像调查提供宝贵的训练集。

    Aug, 2009

  • 基于旋转不变卷积神经网络的星系形态预测

    本篇研究利用一种基于深度神经网络的方法，通过对称性原理对 SDSS 和 Galaxy Zoo 的星系图像进行分类，能够在大规模的图像数据集上高效准确地进行星系形态分类，这一方法在提高工作效率的同时也能保持非常高的分类精度。

    Mar, 2015

  • 使用 Mask R-CNN 深度学习对天文源进行分离和分类

    本篇研究使用深度学习技术对多波段天文图像中的光源进行检测、分类和去混叠处理，构建一个基于 Mask R-CNN 图像处理框架的人工神经网络，并在星系和星星分类的模拟数据下进行了评估，其精度在 92% 的情况下回收率为 80% 的星星数据和 98% 的情况下回收率为 80% 的星系数据。研究还证明，其去混叠功能极为稳定，可用于 LSST 和 WFIRST 等深度图像调查项目。

    Aug, 2019

  • 宇宙绘图中类星体、星系和恒星的分类多模态深度学习

    利用机器学习和深度学习结构，利用 SDSS-4 数据集的图像和元数据将 SDSS 数据集分类为星系，星星和类星体，并且实验结果表明冻结所有层并添加最后一个可训练层可能不是迁移学习的最佳解决方案。

    May, 2022

  • 一种优化星 - 星系分类的新型基于行业的算法

    引入了一种新的基于区块的恒星 - 星系分类方法，利用最新的 Sloan Digital Sky Survey 数据（SDSS-DR18），通过将天空按照 SDSS 观测模式进行分段，并使用专用的卷积神经网络（CNN），实现了恒星 - 星系分类的最新性能，初步结果证明了在实时观测环境下进行高效精确的天文分析的前景。

    Apr, 2024