利用卷积神经网络在大型测光星表中识别星系碎片
星系天体物理
2023-03-01 v1 宇宙学与河外天体物理
摘要
被识别为源的天体碎片污染是大型测光星系星表中的一大问题。在本文中，我们证明该问题可以借助计算机视觉技术轻松解决。我们利用图像截图训练一个卷积神经网络(CNN)，以识别实际仅为大星系的恒星形成区和/或碎片的编目源。该 CNN 在我们的测试数据集上达到约 98% 的准确率。我们将此 CNN 应用于当今可用的最大巡天中的三个星系星表：斯隆数字巡天(SDSS)、DESI 遗产成像巡天和全景巡天望远镜与快速响应系统巡天(Pan-STARSS)。我们发现，即使使用严格的选择标准，所有星表仍显示出约 5% 的星系碎片污染水平。我们的 CNN 提供了一种简单而有效的方案，可将这些污染物从星系星表中清除。
引用
@article{arxiv.2301.09648,
title = {Identification of galaxy shreds in large photometric catalogs using Convolutional Neural Networks},
author = {Enrico M. Di Teodoro and Josh E. G. Peek and John F. Wu},
journal= {arXiv preprint arXiv:2301.09648},
year = {2023}
}
备注
Accepted for publication in AJ