基于生成对抗网络在超主相机星系图像中的异常检测
星系天体物理
2021-11-02 v2 天体物理仪器与方法
摘要
随着数据集规模增长，天文巡天中的异常检测问题日益重要。我们展示了一种无监督异常检测方法在超主相机（Hyper Suprime-Cam, HSC）巡天中近一百万张光学星系图像上使用 Wasserstein 生成对抗网络（WGAN）的结果。WGAN 学习生成遵循数据集分布的逼真类 HSC 星系；异常图像基于生成器的较差重建和判别器学到的离群特征来定义。我们发现，与生成器以及更简单的基于自编码器的异常检测方法相比，判别器对潜在有趣的异常更为敏感，因此我们使用判别器筛选出的图像构建了约 13,000 个对象的高异常样本。我们提出了一种进一步表征这些异常图像的新方法：我们使用卷积自编码器降低真实图像与 WGAN 重建图像之间残差差异的维度，并对其进行 UMAP 聚类。我们报告了检测到的感兴趣异常，包括星系并合、潮汐特征和极端恒星形成星系。附录中详述了对其中一个异常的后续光谱分析；我们发现它是一个不寻常的系统，最有可能是一个金属贫乏的矮星系，带有一个极蓝、较高金属丰度的 HII 区。我们已发布带有 WGAN 异常分数的星表；代码和星表可在 https://github.com/kstoreyf/anomalies-GAN-HSC 获取，我们用于探索聚类数据的交互式可视化工具位于 https://weirdgalaxi.es。
引用
@article{arxiv.2105.02434,
title = {Anomaly detection in Hyper Suprime-Cam galaxy images with generative adversarial networks},
author = {Kate Storey-Fisher and Marc Huertas-Company and Nesar Ramachandra and Francois Lanusse and Alexie Leauthaud and Yifei Luo and Song Huang and J. Xavier Prochaska},
journal= {arXiv preprint arXiv:2105.02434},
year = {2021}
}
备注
Published in MNRAS