基于深度学习的CRAFTS中HI源自动识别与分割

Zihao Song; Huaxi Chen; Donghui Quan; Di Li; Yinghui Zheng; Shulei Ni; Yunchuan Chen; Yun Zheng

基于深度学习的CRAFTS中HI源自动识别与分割

计算机视觉与模式识别 2024-11-22 v2 星系天体物理天体物理仪器与方法

作者: Zihao Song , Huaxi Chen , Donghui Quan , Di Li , Yinghui Zheng , Shulei Ni , Yunchuan Chen , Yun Zheng

摘要

从观测数据中识别中性氢(\hi)星系是\hi\星系巡天中的一个重大挑战。随着观测技术的进步，特别是FAST和SKA等大型望远镜项目的出现，数据量的显著增加对数据处理的效率和准确性提出了新的挑战。为了应对这一挑战，在本研究中，我们提出了一种基于机器学习的方法，用于从来自Commensal Radio Astronomy FAST Survey (CRAFTS)的三维(3D)光谱数据中提取\hi\源。我们精心构建了一个专门的富含\hi\源的数据集HISF，专门设计用于增强检测过程。我们的模型Unet-LK利用了先进的3D-Unet分割架构，并采用细长卷积核来有效捕捉\hi\源的复杂结构。该策略确保了\hi\源的可靠识别和分割，实现了显著的性能指标，召回率为91.6%，准确率为95.7%。这些结果证实了我们数据集的鲁棒性和我们提出的网络架构在精确识别\hi\源方面的有效性。我们的代码和数据集公开在\url{https://github.com/fishszh/HISF}。

关键词

HI源识别深度学习 3D-Unet 分割 CRAFTS FAST 射电天文学

引用

@article{arxiv.2403.19912,
  title  = {Automated Identification and Segmentation of Hi Sources in CRAFTS Using Deep Learning Method},
  author = {Zihao Song and Huaxi Chen and Donghui Quan and Di Li and Yinghui Zheng and Shulei Ni and Yunchuan Chen and Yun Zheng},
  journal= {arXiv preprint arXiv:2403.19912},
  year   = {2024}
}

备注

8 pages, 8 figures

基于深度学习的CRAFTS中HI源自动识别与分割

摘要

关键词

引用

备注

相关论文