用于含超新星光回声图像自动分类的软件包
天体物理仪器与方法
2022-08-16 v1 太阳与恒星天体物理
摘要
背景。所谓超新星的“光回声”——爆发所照亮的星际尘埃的视运动——可在天文差分图像中探测到；然而，光回声极为罕见，这使得人工探测成为一项艰巨任务。针对数百年前的超新星光回声的巡天可能涉及数百次宽视场成像仪的指向，其中每个 CCD 放大器的子图像都需要检查。目的。我们介绍 ALED，一个 Python 软件包，其实现了 (i) 一个经训练可自动识别极有可能包含至少一个超新星光回声的图像的胶囊网络，以及 (ii) 路由路径可视化以在已识别图像中定位光回声和/或类光回声特征。方法。我们将 ALED 中实现的胶囊网络（ALED-m）与多种不同架构的胶囊网络和卷积神经网络进行比较。我们还将 ALED 应用于大型天文差分图像目录，并人工检查候选光回声图像以供人工验证。结果。ALED-m 在测试集上达到了 90% 的分类准确率，并通过路由路径可视化精确局部化所识别的光回声。从 13,000 多张天文图像中，ALED 识别出一组在人工分类中被忽略的光回声。ALED 可通过 github.com/LightEchoDetection/ALED 获取。
引用
@article{arxiv.2208.07260,
title = {A Package for the Automated Classification of Images Containing Supernova Light Echoes},
author = {A. Bhullar and R. A. Ali and D. L. Welch},
journal= {arXiv preprint arXiv:2208.07260},
year = {2022}
}
备注
11 pages, 7 figures, 4 tables, 3 appendices (1 appendix table, 1 appendix figure)