基于深度学习的月球陨石坑识别
地球与行星天体物理
2018-11-13 v3
摘要
在月球及其他天体上的陨石坑计数对于约束太阳系的动力学历史至关重要。传统上这是通过图像的目视检查完成的，从而限制了检索的范围、效率和/或准确性。在本文中，我们展示了使用卷积神经网络（CNNs）从月球数字高程图（DEMs）确定陨石坑位置和大小的可行性。我们从人工生成的测试集中恢复了 92% 的陨石坑，并使陨石坑检测总数几乎翻倍。在这些新陨石坑中，15% 的直径小于地面真实数据集中的最小陨石坑尺寸。我们的经度、纬度和半径的中值分数误差为 11% 或更小，与人工生成的数据集表现出良好的一致性。通过对 361 个新陨石坑的手动检查，我们估计新陨石坑的假阳性率为 11%。此外，我们经月球训练的 CNN 在用于水星 DEM 图像测试时表现良好，在每个图中检测到大部分陨石坑。我们的结果表明，深度学习将成为快速自动提取太阳系各天体上陨石坑的有用工具。我们在 https://github.com/silburt/DeepMoon.git 和 https://doi.org/10.5281/zenodo.1133969 公开我们的代码和数据。
引用
@article{arxiv.1803.02192,
title = {Lunar Crater Identification via Deep Learning},
author = {Ari Silburt and Mohamad Ali-Dib and Chenchong Zhu and Alan Jackson and Diana Valencia and Yevgeni Kissin and Daniel Tamayo and Kristen Menou},
journal= {arXiv preprint arXiv:1803.02192},
year = {2018}
}
备注
41 pages, 5 figures, Accepted for publication in Icarus. Comments and requests are welcomed