基于改进Faster R-CNN从SDSS图像中探测L型矮星
天体物理仪器与方法
2023-04-12 v1
摘要
我们提出一种数据驱动方法，利用基于深度学习的改进Faster R-CNN框架从Sloan Digital Sky Survey（SDSS）图像中自动探测L型矮星。所建立的L型矮星自动探测（LDAD）模型通过学习了387张含L型矮星的SDSS图像的特征，从SDSS视场图像中区分L型矮星与其他天体及背景。将LDAD模型应用于含93个已标注L型矮星的测试集SDSS图像，我们成功探测到83个已知L型矮星，对已知L型矮星的召回率为89.25%。LDAD模型中采用了若干技术以提升其对L型矮星的探测性能，包括深度残差网络与特征金字塔网络。因此，LDAD模型优于原始Faster R-CNN模型，后者在同一测试集上对已知L型矮星的召回率为80.65%。将LDAD模型应用于含843个标注L型矮星的更大验证集探测L型矮星，对已知L型矮星的召回率达94.42%。新识别的候选体包括L型矮星、晚M型与T型矮星，由颜色(i-z)与光谱型关系估算。测试候选体与验证候选体的污染率分别为8.60%与9.27%。探测结果表明我们的模型可有效从天文图像中搜寻L型矮星。
引用
@article{arxiv.2303.01836,
title = {L dwarfs detection from SDSS images using improved Faster R-CNN},
author = {Zhi Cao and Zhenping Yi and Jingchang Pan and Hao Su and Yude Bu and Xiao Kong and Ali Luo},
journal= {arXiv preprint arXiv:2303.01836},
year = {2023}
}
备注
12 pages, 10 figures, accepted to be published in AJ