从 SDSS 图像中自动检测星系环

星系的形态特征，如旋臂、棒、环、潮汐尾等，携带着关于其结构、起源和演化的信息。因此，对这些特征进行编目和研究，并将它们与其他基本星系性质、星系所处环境以及与其他星系的相互作用相关联具有重要意义。当前和未来关于星系的数据量如此之大，以至于由专业天文学家通过视觉检查识别形态特征的传统方法已不再足够。因此，有必要使用基于人工智能的技术（如机器学习和深度学习）来快速高效地寻找形态结构。在本研究中，我们报告了应用深度学习从斯隆数字巡天（SDSS）数据发布 DR18 的星系图像中寻找环状结构。我们使用 Buta (2017) 来自 SDSS 的环星系目录来训练网络，达到了良好的准确率和召回率，并生成了一个包含 29420 个星系的目录，其中 4855 个具有预测置信度超过 90% 的环状结构。利用 Abraham 等人 (2018) 使用深度学习技术识别的棒状星系图像目录，我们识别出一组同时具有棒和环的 2087 个星系。该目录对于理解这些重要形态结构的起源应非常有用。作为该目录实用性的一个示例，我们探索了样本中环星系的环境和恒星形成特征。