基于 WISE 红外数据的深度学习应用：恒星、星系与类星体的分类
天体物理仪器与方法
2023-07-12 v1 计算机视觉与模式识别
摘要
广域红外巡天探测器（WISE）在整个天空中探测到了数亿个源。然而，由于 WISE 多色空间中的简并性及其两个最长波长通道的低探测水平，可靠地对它们进行分类是一项巨大挑战。本文设计了深度学习分类网络 IICnet（红外图像分类网络），对 WISE 图像中的源进行分类，以实现更准确的分类目标。IICnet 在 WISE 源的特征提取方面表现出良好的能力。实验表明，IICnet 的分类结果优于其他一些方法；其对星系的分类准确率达到 96.2%，对类星体达到 97.9%，对恒星达到 96.4%，且 IICnet 分类器的曲线下面积（AUC）可达 99% 以上。此外，通过与 VGG16、GoogleNet、ResNet34、MobileNet、EfficientNetV2 和 RepVGG 的比较，证明了 IICnet 在处理红外图像方面的优越性——参数更少且推理更快。以上结果证明 IICnet 是一种有效的红外源分类方法。
引用
@article{arxiv.2305.10217,
title = {Deep Learning Applications Based on WISE Infrared Data: Classification of Stars, Galaxies and Quasars},
author = {Guiyu Zhao and Bo Qiu and A-Li Luo and Xiaoyu Guo and Lin Yao and Kun Wang and Yuanbo Liu},
journal= {arXiv preprint arXiv:2305.10217},
year = {2023}
}