基于深度学习的 Pan-STARRS 星系宽形态目录
星系天体物理
2020-12-16 v1 天体物理仪器与方法
计算机视觉与模式识别
摘要
Pan-STARRS 等自主数字巡天能够对极大量的星系与河外天体成像，而图像数据量大且复杂的特点强化了自动化的使用。本文描述了一个用于星系宽形态自动标注的数据分析流程的设计与实现，并将其应用于 Pan-STARRS DR1 数据。该流程基于若干滤波器，随后进行两步卷积神经网络（CNN）分类。训练样本通过使用增广且均衡的手动分类星系集生成。通过与先前 SDSS 星系宽形态目录中包含的 Pan-STARRS 标注相比较，对结果准确性进行评估。我们的分析表明，CNN 结合若干滤波器是标注星系与剔除不洁图像的有效方法。该目录包含 1,662,190 个星系的形态标签，准确率约 95%。通过选取高于特定置信阈值的标签可进一步提高准确率。该目录已公开可用。
引用
@article{arxiv.2010.06073,
title = {A catalog of broad morphology of Pan-STARRS galaxies based on deep learning},
author = {Hunter Goddard and Lior Shamir},
journal= {arXiv preprint arXiv:2010.06073},
year = {2020}
}
备注
ApJS, accepted