从 Galaxy Zoo DECaLS 到 BASS/MzLS：基于无监督域自适应的详细星系形态分类
星系天体物理
2024-12-23 v1 天体物理仪器与方法
计算机视觉与模式识别
摘要
DESI Legacy Imaging Surveys (DESI-LIS) 包含三个不同的巡天：Dark Energy Camera Legacy Survey (DECaLS)、Beijing-Arizona Sky Survey (BASS) 和 Mayall z-band Legacy Survey (MzLS)。公民科学项目 Galaxy Zoo DECaLS 5 (GZD-5) 为 DECaLS 巡天中的 253,287 个星系样本提供了广泛而详细的形态标签。该数据集已成为众多基于深度学习的星系形态分类研究的基础。然而，由于 DECaLS 图像与 BASS 和 MzLS（统称为 BMz）图像在信噪比和分辨率上存在差异，在 DECaLS 图像上训练的神经网络因分布不匹配而无法直接应用于 BMz 图像。在本研究中，我们探索了一种无监督域自适应 (UDA) 方法，该方法利用 GZD-5 标签将在 DECaLS 图像上训练的源域模型微调至 BMz 图像，旨在减少 BMz 巡天内星系形态分类的偏差。作为 UDA 起点的源域模型，在 DECaLS 星系验证集上取得了与相关工作相当的性能。对于 BMz 星系，与直接应用源域模型相比，微调后的目标域模型显著提升了性能，达到了与源域相当的水平。我们还发布了 BMz 巡天中 248,088 个星系的详细形态分类目录，并附带了使用建议。
引用
@article{arxiv.2412.15533,
title = {From Galaxy Zoo DECaLS to BASS/MzLS: detailed galaxy morphology classification with unsupervised domain adaption},
author = {Renhao Ye and Shiyin Shen and Rafael S. de Souza and Quanfeng Xu and Mi Chen and Zhu Chen and Emille E. O. Ishida and Alberto Krone-Martins and Rupesh Durgesh},
journal= {arXiv preprint arXiv:2412.15533},
year = {2024}
}
备注
11 pages, 6 figures, accepted for publication in MNRAS