利用基于深度学习的对象检测将罕见事件搜索转化为非罕见事件搜索
高能物理 - 实验
2025-04-11 v2 仪器与探测器
摘要
基于深度学习的对象检测算法能够在图像数据中实现对任意数量对象的同时分类和定位。许多这些算法能够在高分辨率图像上实现实时运行，这归功于其在众多领域的广泛应用。我们 presented 一个用于实时罕见事件搜索的端到端对象检测管道，针对 Migdal 效应的高分辨率图像数据使用来自先进科学 CMOS 相机的 MIGDAL 实验数据。核散射中的 Migdal 效应对于亚 GeV 暗物质搜索至关重要，但迄今尚未被实验确认，使其检测成为 MIGDAL 实验的首要目标。我们的管道采用 YOLOv8 对象检测算法，并在真实数据上进行训练，以提高核反冲和电子反冲的检测效率，特别是那些表明 Migdal 效应的重叠轨迹。当部署在 MIGDAL 读出 PC 上时，我们演示该管道能够在 CMOS 相机峰值 120 帧/秒的采集速率下处理并执行罕见事件搜索。对同一流程的离线应用，我们演示可将 2000 万相机帧的样本缩减至约 1000 帧，同时保持 nearly all YOLOv8 能够检测的信号，从而将罕见搜索转化为更可管理的搜索。我们的研究突显了类似我们管道的潜力，能够显著提高需要在高吞吐数据环境中实现快速和精确对象识别的实验的检测能力。
引用
@article{arxiv.2406.07538,
title = {Transforming a rare event search into a not-so-rare event search in real-time with deep learning-based object detection},
author = {J. Schueler and H. M. Araújo and S. N. Balashov and J. E. Borg and C. Brew and F. M. Brunbauer and C. Cazzaniga and A. Cottle and C. D. Frost and F. Garcia and D. Hunt and A. C. Kaboth and M. Kastriotou and I. Katsioulas and A. Khazov and P. Knights and H. Kraus and V. A. Kudryavtsev and S. Lilley and A. Lindote and M. Lisowska and D. Loomba and M. I. Lopes and E. Lopez Asamar and P. Luna Dapica and P. A. Majewski and T. Marley and C. McCabe and L. Millins and A. F. Mills and M. Nakhostin and R. Nandakumar and T. Neep and F. Neves and K. Nikolopoulos and E. Oliveri and L. Ropelewski and V. N. Solovov and T. J. Sumner and J. Tarrant and E. Tilly and R. Turnley and R. Veenhof},
journal= {arXiv preprint arXiv:2406.07538},
year = {2025}
}