卷积神经网络用于强引力透镜探测的比较研究
天体物理仪器与方法
2021-07-14 v1 图像与视频处理
摘要
随着 LSST 和 SKA 等即将建成望远镜带来大规模成像巡天时代，预计已知强引力透镜系统的数量将急剧增加。然而，这些事件仍然非常罕见，且需要处理数百万幅图像。为应对这一图像处理问题，我们提出机器学习技术并将其应用于引力透镜发现挑战赛。所提出的卷积神经网络（CNNs）已在一个新的模块化、可扩展框架 LEXACTUM 中重新实现。对于空间数据和地面数据，我们分别报告了曲线下面积（AUC）0.9343 和 0.9870，以及每幅图像执行时间 0.0061 秒和 0.0594 秒，表明 CNN 获得的结果在探测引力透镜方面与传统方法（如视觉检查和弧线寻找器）极具竞争力。
引用
@article{arxiv.2106.01754,
title = {A Comparative Study of Convolutional Neural Networks for the Detection of Strong Gravitational Lensing},
author = {Daniel Magro and Kristian Zarb Adami and Andrea DeMarco and Simone Riggi and Eva Sciacca},
journal= {arXiv preprint arXiv:2106.01754},
year = {2021}
}
备注
12 pages, 13 figures