利用自监督表示学习从图像估计星系距离
天体物理仪器与方法
2021-01-13 v1 宇宙学与河外天体物理
人工智能
摘要
我们使用对比自监督学习框架，从其测光图像估计星系距离。我们引入了计算机视觉中的数据增强以及一种考虑星系尘埃的专用增强。我们发现所得星系图像的视觉表示在语义上是有用的，可用于快速相似性搜索，并能够成功微调用于红移估计任务。我们表明：（1）在大量无标签数据上预训练再在部分标签上微调，可达到需要 2-4 倍更多标签数据的全监督模型的精度；（2）通过使用斯隆数字巡天（SDSS）主星系样本中的所有可用数据标签微调我们的自监督表示，我们优于最先进的监督学习方法。
引用
@article{arxiv.2101.04293,
title = {Estimating Galactic Distances From Images Using Self-supervised Representation Learning},
author = {Md Abul Hayat and Peter Harrington and George Stein and Zarija Lukić and Mustafa Mustafa},
journal= {arXiv preprint arXiv:2101.04293},
year = {2021}
}