RGC-Bent：用于弯曲射电星系分类的新型数据集
星系天体物理
2026-01-16 v1 计算机视觉与模式识别
摘要
我们引入了一个专为天文观测中弯曲射电活动星系核（AGN）分类而定制的全新机器学习数据集。弯曲射电 AGN 以其弯曲的喷流结构为特征，为星系团动力学、星系团内介质中的相互作用以及更广泛的 AGN 物理学提供了关键见解。尽管具有天体物理学意义，但由于缺乏专门的数据集和基准，弯曲射电 AGN 的分类仍然是一项挑战。为了解决这一问题，我们提出了一个源自公认的射电天文巡天的数据集，该数据集旨在支持 NAT（窄角尾）和 WAT（宽角尾）类别的分类，并提供了详细的数据处理步骤。我们进一步在该数据集上评估了最先进的深度学习模型的性能，包括卷积神经网络和基于 Transformer 的架构。我们的结果证明了高级机器学习模型在弯曲射电 AGN 分类中的有效性，其中 ConvNeXT 在 NAT 和 WAT 源上均取得了最高的 F1 分数。通过共享此数据集和基准，我们旨在促进 AGN 分类、星系团环境与星系演化研究的进展。
引用
@article{arxiv.2505.19249,
title = {RGC-Bent: A Novel Dataset for Bent Radio Galaxy Classification},
author = {Mir Sazzat Hossain and Khan Muhammad Bin Asad and Payaswini Saikia and Adrita Khan and Md Akil Raihan Iftee and Rakibul Hasan Rajib and Arshad Momen and Md Ashraful Amin and Amin Ahsan Ali and AKM Mahbubur Rahman},
journal= {arXiv preprint arXiv:2505.19249},
year = {2026}
}
备注
6 pages, 3 figures, 2 tables, Accepted In ICIP 2025