使用深度卷积神经网络探测星系中的棒结构
天体物理仪器与方法
2018-08-13 v2
摘要
我们提出了一种利用深度卷积神经网络自动探测星系光学图像中棒结构的简便且高准确度方法。在我们的研究中,使用了来自 Sloan Digital Sky Survey、红移范围 0.009-0.2 的 9346 个星系样本,其中包含 3864 个棒旋星系,其余为无棒星系。使用训练好的网络,我们在识别星系棒结构上的最高精度达到约 94%。该准确度与人类专家在相同数据上不借助图像额外信息所达到的准确度相当。由于深度卷积神经网络可扩展以处理大规模数据,该方法有望在天文数据于体量、多样、易变与高速及其他刻画大数据的 V 特征方面快速增长的时期极具价值。我们利用训练好的模型从 SDSS 构建了棒旋星系目录并已在线上公开。
引用
@article{arxiv.1711.04573,
title = {Detection of Bars in Galaxies using a Deep Convolutional Neural Network},
author = {Sheelu Abraham and Arun Aniyan and Ajit K. Kembhavi and N. S. Philip and Kaustubh Vaghmare},
journal= {arXiv preprint arXiv:1711.04573},
year = {2018}
}
备注
11 pages, 12 figures, MNRAS 477, 1, 11, 2018