光谱图像分类器（SPIT）
天体物理仪器与方法
2018-07-06 v1
摘要
我们提出光谱图像分类器（SPIT），一个为分类光谱图像而构建的卷积神经网络（CNN）。与依赖图像所附元数据（如头卡）的传统基于规则的算法不同，SPIT 仅以图像数据训练。我们在利克天文台 Kast 光谱仪拍摄的 2004 张人工分类图像上训练了 SPIT，类型包括偏置、弧光、平场、科学和标准。我们加入了若干受人工实践启发的预处理步骤（缩放、裁剪），并扩展了训练集以平衡图像类型间数量并增加多样性。该算法在留出验证集上达到 98.7% 的准确率，在测试图像集上达到 98.7% 的准确率。我们随后采用稍作修改的分类方案，以准确率轻微下降至 98.2% 的代价提升鲁棒性。大多数误分类为：源极暗弱的科学帧被误认为弧光图像（如暗弱发射线星系），或源极明亮的科学帧被误认为标准星。这些即便是训练有素的人也易犯的错误。未来工作将扩充 Kast 的训练集，纳入更多光学与近红外仪器，并可能提升 CNN 架构复杂度。我们正将 SPIT 整合进 PYPIT 数据处理流水线（DRP），并乐意协助其纳入其他 DRP。
引用
@article{arxiv.1807.01761,
title = {The SPectral Image Typer (SPIT)},
author = {Viktor Jankov and J. Xavier Prochaska},
journal= {arXiv preprint arXiv:1807.01761},
year = {2018}
}
备注
Accepted to PASP; 13 pages, 7 figures; See this https://spectral-image-typing.readthedocs.io/en/latest/ for docs