基于深度学习的射电源探测与分类
天体物理仪器与方法
2024-11-14 v1
摘要
本文提出了三个基于深度学习方法的应用，旨在支持 ASKAP-EMU 和 MeerKAT 射电巡天中的科学分析。其中一个应用采用实例分割框架，从射电连续谱图像中探测紧凑和扩展射电源及成像伪影。另一个应用利用梯度提升决策树和卷积神经网络，结合射电和红外多波段图像将紧凑源分类为不同的天文类别。最后，我们讨论了如何利用自监督学习获取有价值的射电数据表征，用于源探测和分类研究。
引用
@article{arxiv.2411.08519,
title = {Detection and classification of radio sources with deep learning},
author = {S. Riggi and T. Cecconello and U. Becciani and F. Vitello},
journal= {arXiv preprint arXiv:2411.08519},
year = {2024}
}
备注
4 pages, 0 figures, proceedings of the XXXIII Astronomical Data Analysis Software & Systems (ADASS) conference, 5-9 November 2023, Tucson, Arizona, USA