ASCNet：针对Muztagh-ata站全景摄像机图像分类的研究
天体物理仪器与方法
2026-01-05 v1
摘要
云覆盖是天文学场测试中的重要要素。全景摄像机（ASC）图像对云覆盖研究具有重要意义。本文提出ASCNet，一种专为分类2022年3月至2024年6月于Muztagh-ata站收集的夜间ASC图像而设计的创新模型。ASCNet将ResNet34与ASCModule集成，ASCModule采用深度稀疏卷积并在分支中嵌入轻量级Squeeze-and-Excitation注意力机制，以从亮度通道中提取细粒度纹理信息。数据集按类别划分，其中70%的图像分配给训练集，30%分配给测试集。通过将测试集上的预测结果与手动标注的标签进行比较，评估了模型的性能，一致性率为92.7%。ASCNet的所有评估指标如下：准确率92.66%，精确率83.26%，召回率84.25%，F1分数83.67%，且通过消融和比较实验表明该模型在其他模型方面具有显著优势。使用混淆矩阵分析手动分类与模型分类之间的差异。统计结果表明，ASCNet表现出色的分类性能及其稳健的泛化能力，说明ASCNet在未来的天文图像分类中具有应用潜力。
引用
@article{arxiv.2601.00563,
title = {ASCNet: Research on all-sky camera images classification at the Muztagh-ata site},
author = {Siqi Wang and Qi Fan and Wenbo Gu and Haozhi Wang and AYZADA Jumahali and Lixian Shen and Daiping Zhang and Liyong Liu and Ali Esamdin},
journal= {arXiv preprint arXiv:2601.00563},
year = {2026}
}
备注
Accepted by Research in Astronomy and Astrophysics (RAA)