低表面亮度图像中星系结构的全景分割
计算机视觉与模式识别
2024-07-11 v1 星系天体物理
摘要
我们探索使用深度学习来定位低表面亮度（LSB）图像中的星系结构。LSB 成像揭示了许多有趣的结构，但由于强烈的局部视觉相似性，这些结构经常与星系尘埃污染相混淆。我们提出了一种新颖的统一方法，用于对星系结构和扩展的无定形图像污染物进行多类分割。我们的全景分割模型将 Mask R-CNN 与一个污染物专用网络相结合，并利用自适应预处理层来更好地捕捉 LSB 图像的细微特征。此外，采用人在回路的训练方案来增强真实标签。这些不同的方法分别进行了评估，它们共同极大地改善了 LSB 图像中星系结构和污染物的检测效果。
关键词
引用
@article{arxiv.2407.07494,
title = {Panoptic Segmentation of Galactic Structures in LSB Images},
author = {Felix Richards and Adeline Paiement and Xianghua Xie and Elisabeth Sola and Pierre-Alain Duc},
journal= {arXiv preprint arXiv:2407.07494},
year = {2024}
}