基于神经网络的Fermi/LAT望远镜模拟图像点源提取研究
计算机视觉与模式识别
2020-12-09 v1 高能天体物理现象
摘要
由于天体物理弥散发射的背景和前景贡献强烈，且现代天基仪器的点扩散函数相对较宽，GeV波段的天体物理图像分析极具挑战性。在某些情况下，甚至在图像上发现点源也成为一项非平凡的任务。我们提出了一种使用卷积神经网络（CNN）的点源提取方法，该网络在我们自己的人工数据集上进行了训练，该数据集模拟了来自Fermi大面积望远镜的图像。这些图像是覆盖1至10 GeV能量、大小为10x10度的原始计数光子图。我们比较了不同的CNN架构，结果表明其准确率提高了约15%，并且与类似的现有技术模型相比，推理时间至少减少了4倍。
引用
@article{arxiv.2007.04295,
title = {A study of Neural networks point source extraction on simulated Fermi/LAT Telescope images},
author = {Mariia Drozdova and Anton Broilovskiy and Andrey Ustyuzhanin and Denys Malyshev},
journal= {arXiv preprint arXiv:2007.04295},
year = {2020}
}
备注
Accepted to Astronomische Nachrichten