利用 YOLO 单次目标检测识别引力波数据中的双中子星并合事件
天体物理仪器与方法
2022-11-09 v1 高能天体物理现象
计算机视觉与模式识别
机器学习
广义相对论与量子宇宙学
摘要
我们展示了 YOLOv5 模型（一种通用的基于卷积的单次目标检测模型）在从当前一代干涉仪探测器的引力波数据中检测双中子星（BNS）并合事件任务中的应用。我们还基于用于模型训练、验证和测试步骤的近似波形模型，给出了合成数据生成与准备任务的详尽说明。使用该方法，我们在单类验证数据集上取得了 0.945 的平均精度均值（），在测试数据集上高达 0.978。此外，训练后的模型成功识别了 LIGO H1 探测器数据中的 GW170817 事件。对于 LIGO L1 探测器数据，通过额外的预处理步骤也可识别该事件，而无需去除 inspiral 末段的大故障（glitch）。对 GW190425 事件的检测较不成功，这证明了性能随信噪比下降。我们的研究表明，YOLOv5 模型对于第一阶段检测报警流水线是一种有趣的方法，并且在集成到更复杂流水线中时，可用于物理源参数的实时推断。
引用
@article{arxiv.2207.00591,
title = {Identification of Binary Neutron Star Mergers in Gravitational-Wave Data Using YOLO One-Shot Object Detection},
author = {João Aveiro and Felipe F. Freitas and Márcio Ferreira and Antonio Onofre and Constança Providência and Gonçalo Gonçalves and José A. Font},
journal= {arXiv preprint arXiv:2207.00591},
year = {2022}
}
备注
11 pages, 9 figures