基于自编码器的相似图像检索。I. 星系形态自动分类
星系天体物理
2023-08-04 v1
摘要
我们构建了用于星系形态分类的基于卷积自编码器（CAE）的图像相似检索引擎。CAE 在 Galaxy Zoo 2（GZ2）星表中列出的 90,370 张预处理过的斯隆数字巡天（Sloan Digital Sky Survey）星系图像上训练。训练好的 CAE 返回的视觉相似输出图像表明，编码器将输入图像高效地压缩为潜特征，随后用于计算相似性参数。我们基于卷积自编码器与相似性的星系图像相似搜索工具（TSGICAS）利用该相似性参数对星系形态类型进行分类，与传统监督式 ML 技术相比，能够以高精度识别更广范围的类别。该方法通过允许从潜特征数据库中快速筛选最相关图像，简化了研究者的工作。我们利用三个星系星表考察了自动形态分类的精度：GZ2、Extraction de Formes Idéalisées de Galaxies en Imagerie（EFIGI）和 Nair Abraham（NA10）。输入与检索星系图像的形态类型间的相关系数在 GZ2、EFIGI 和 NA10 星表中分别为 0.735、0.811 和 0.815。尽管输入与检索星系图像的形态标签存在差异，视觉检查显示两星系非常相似，凸显了 TSGICAS 在图像相似搜索中的优越性能。我们提出，使用 TSGICAS 的星系形态分类快速且高效，使其成为其他成像巡天中进行细致星系形态分类的有价值工具。
引用
@article{arxiv.2308.01871,
title = {Similar image retrieval using Autoencoder. I. Automatic morphology classification of galaxies},
author = {Eunsuk Seo and Suk Kim and Youngdae Lee and Sang-Il Han and Hak-Sub Kim and Soo-Chang Rey and Hyunmi Song},
journal= {arXiv preprint arXiv:2308.01871},
year = {2023}
}
备注
Accepted for publication to PASP; 19 pages, 18 figures