CSST 的科学准备：基于深度学习的星系与星云/星团分类
计算机视觉与模式识别
2023-12-11 v1 星系天体物理
机器学习
摘要
中国空间站望远镜（简称 CSST）是未来先进的空间望远镜。在 CSST 巡天期间，实时识别星系和星云/星团（简称 NSC）图像具有重要价值。尽管近期天体目标识别研究取得了进展，但快速高效地识别高分辨率局部天体图像仍然具有挑战性。在本研究中，我们基于哈勃空间望远镜的数据，利用深度学习方法进行了星系和 NSC 图像分类研究。我们构建了一个局部天体图像数据集，并设计了一个名为 HR-CelestialNet 的深度学习模型，用于对星系和 NSC 图像进行分类。HR-CelestialNet 在测试集上达到了 89.09% 的准确率，优于 AlexNet、VGGNet 和 ResNet 等模型，同时展现出更快的识别速度。此外，我们研究了影响 CSST 图像质量的因素，并评估了 HR-CelestialNet 在模糊图像数据集上的泛化能力，证明了其对低图像质量的鲁棒性。所提出的方法能够在 CSST 巡天任务期间实现天体图像的实时识别。
引用
@article{arxiv.2312.04948,
title = {Scientific Preparation for CSST: Classification of Galaxy and Nebula/Star Cluster Based on Deep Learning},
author = {Yuquan Zhang and Zhong Cao and Feng Wang and Lam and Man I and Hui Deng and Ying Mei and Lei Tan},
journal= {arXiv preprint arXiv:2312.04948},
year = {2023}
}