論文の概要: Active deep learning method for the discovery of objects of interest in large spectroscopic surveys

• arxiv url: http://arxiv.org/abs/2009.03219v1
• Date: Mon, 7 Sep 2020 16:27:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-21 03:22:40.232315
• Title: Active deep learning method for the discovery of objects of interest in large spectroscopic surveys
• Title（参考訳）: 大規模分光調査における興味対象発見のための能動的深層学習法
• Authors: Petr \v{S}koda (1 and 2), Ond\v{r}ej Podsztavek (2) and Pavel Tvrd\'ik (2) ((1) Astronomical Institute of the Czech Academy of Sciences, (2) Faculty of Information Technology of the Czech Technical University in Prague)
• Abstract要約: 現在のLAMOST望遠鏡のアーカイブには、おそらく人間の目には見られない何百万ものパイプライン処理されたスペクトルが含まれている。 インタラクティブな可視化と現代的な機械学習技術を組み合わせることで、そのようなオブジェクトを発見する新たな方法が開かれる。 深層畳み込みネットワークが支援するアクティブラーニング分類を適用し, 数百万のスペクトルアーカイブにおいて, 複雑なエミッションライン形状を自動的に識別する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Current archives of the LAMOST telescope contain millions of pipeline-processed spectra that have probably never been seen by human eyes. Most of the rare objects with interesting physical properties, however, can only be identified by visual analysis of their characteristic spectral features. A proper combination of interactive visualisation with modern machine learning techniques opens new ways to discover such objects. We apply active learning classification supported by deep convolutional networks to automatically identify complex emission-line shapes in multi-million spectra archives. We used the pool-based uncertainty sampling active learning driven by a custom-designed deep convolutional neural network with 12 layers inspired by VGGNet, AlexNet, and ZFNet, but adapted for one-dimensional feature vectors. The unlabelled pool set is represented by 4.1 million spectra from the LAMOST DR2 survey. The initial training of the network was performed on a labelled set of about 13000 spectra obtained in the region around H$\alpha$ by the 2m Perek telescope of the Ond\v{r}ejov observatory, which mostly contains spectra of Be and related early-type stars. The differences between the Ond\v{r}ejov intermediate-resolution and the LAMOST low-resolution spectrographs were compensated for by Gaussian blurring. After several iterations, the network was able to successfully identify emission-line stars with an error smaller than 6.5%. Using the technology of the Virtual Observatory to visualise the results, we discovered 1013 spectra of 948 new candidates of emission-line objects in addition to 664 spectra of 549 objects that are listed in SIMBAD and 2644 spectra of 2291 objects identified in an earlier paper of a Chinese group led by Wen Hou. The most interesting objects with unusual spectral properties are discussed in detail.
• Abstract（参考訳）: 現在のLAMOST望遠鏡のアーカイブには、おそらく人間の目には見られない何百万ものパイプライン処理されたスペクトルが含まれている。 しかし、興味深い物理的性質を持つ希少物体のほとんどは、その特性スペクトルの特徴の視覚的解析によってのみ識別できる。 インタラクティブな視覚化と現代の機械学習技術の適切な組み合わせは、そのようなオブジェクトを発見する新しい方法を開きます。 深層畳み込みネットワークが支援するアクティブラーニング分類を適用し,数百万のスペクトルアーカイブにおける複雑なエミッションライン形状の自動同定を行う。 我々は、VGGNet、AlexNet、ZFNetにインスパイアされた12層からなる、カスタム設計のディープ畳み込みニューラルネットワークによって駆動されるプールベース不確実性サンプリングアクティブラーニングを使用した。 乱れのないプールセットはLAMOST DR2サーベイから4100万のスペクトルで表される。 ネットワークの最初の訓練は、主にBeのスペクトルを含むOnd\v{r}ejov天文台の2mのペレク望遠鏡によって、H$\alpha$付近で得られた約13,000のスペクトルのラベル付きセットで行われた。 Ond\v{r}ejov中間分解能とLAMOST低分解能分光像の差はガウスのぼかしによって補正された。 数回の反復の後、ネットワークは6.5%未満の誤差で放出線星の同定に成功した。 観測結果を可視化するために仮想観測所の技術を用いて、948個の新しい放射線天体のスペクトルを1013個発見し、さらに549個の天体のスペクトル664個をsimbadに、2291個の天体のスペクトル2644個をwen houが率いる中国グループの初期の論文で同定した。 特異なスペクトル特性を持つ最も興味深い物体について詳細に論じる。

関連論文リスト

• BihoT: A Large-Scale Dataset and Benchmark for Hyperspectral Camouflaged Object Tracking [22.533682363532403]
  我々は、ハイパースペクトルカモフラージュされた物体追跡(HCOT)と呼ばれる新しいタスクを提供する。 大規模HCOTデータセットであるBihoTは,49個のビデオシーケンスをカバーする41,912個のハイパースペクトル画像からなる。 スペクトルプロンプトベースインタラプタ・アウェアネットワーク(SPDAN)という,シンプルだが効果的なベースラインモデルを提案する。
  論文  参考訳（メタデータ） (2024-08-22T09:07:51Z)
• Spectral Graph Reasoning Network for Hyperspectral Image Classification [0.43512163406551996]
  畳み込みニューラルネットワーク(CNN)は、ハイパースペクトル画像(HSI)分類において顕著な性能を達成した。 本稿では、2つの重要なモジュールからなるスペクトルグラフ推論ネットワーク(SGR)学習フレームワークを提案する。 2つのHSIデータセットの実験により、提案したアーキテクチャが分類精度を大幅に改善できることが示されている。
  論文  参考訳（メタデータ） (2024-07-02T20:29:23Z)
• SSF-Net: Spatial-Spectral Fusion Network with Spectral Angle Awareness for Hyperspectral Object Tracking [21.664141982246598]
  ハイパースペクトルビデオ(HSV)は、空間的、スペクトル的、時間的情報を同時に提供する。 既存の手法は主にバンド再編成に重点を置いており、特徴抽出のためにRGBトラッカーに依存している。 本稿では、超スペクトル(HS)物体追跡において、スペクトル角認識(SST-Net)を用いた空間-スペクトル融合ネットワークを提案する。
  論文  参考訳（メタデータ） (2024-03-09T09:37:13Z)
• Datacube segmentation via Deep Spectral Clustering [76.48544221010424]
  拡張ビジョン技術は、しばしばその解釈に挑戦する。 データ立方体スペクトルの巨大な次元性は、その統計的解釈において複雑なタスクを生じさせる。 本稿では,符号化空間における教師なしクラスタリング手法の適用の可能性について検討する。 統計的次元削減はアドホック訓練(可変)オートエンコーダで行い、クラスタリング処理は(学習可能な)反復K-Meansクラスタリングアルゴリズムで行う。
  論文  参考訳（メタデータ） (2024-01-31T09:31:28Z)
• SpectralGPT: Spectral Remote Sensing Foundation Model [60.023956954916414]
  SpectralGPTという名前のユニバーサルRS基盤モデルは、新しい3D生成事前学習変換器(GPT)を用いてスペクトルRS画像を処理するために構築されている。 既存の基礎モデルと比較して、SpectralGPTは、様々なサイズ、解像度、時系列、領域をプログレッシブトレーニング形式で対応し、広範なRSビッグデータのフル活用を可能にする。 我々の評価では、事前訓練されたスペクトルGPTモデルによる顕著な性能向上が強調され、地球科学分野におけるスペクトルRSビッグデータ応用の進展に有意な可能性を示唆している。
  論文  参考訳（メタデータ） (2023-11-13T07:09:30Z)
• Object Detection in Hyperspectral Image via Unified Spectral-Spatial Feature Aggregation [55.9217962930169]
  S2ADetは、高スペクトル画像に固有の豊富なスペクトル情報と空間補完情報を利用する物体検出器である。 S2ADetは既存の最先端メソッドを超え、堅牢で信頼性の高い結果を達成する。
  論文  参考訳（メタデータ） (2023-06-14T09:01:50Z)
• Fast Fourier Convolution Based Remote Sensor Image Object Detection for Earth Observation [0.0]
  リモートセンシングオブジェクト検出のための周波数対応特徴ピラミッドフレームワーク(FFPF)を提案する。 F-ResNetは、周波数領域の畳み込みをバックボーンの各ステージに差し込み、スペクトルコンテキスト情報を知覚するために提案される。 BSFPNは、双方向サンプリング戦略とスキップ接続を用いて、異なるスケールの物体の特徴の関連をより良くモデル化するように設計されている。
  論文  参考訳（メタデータ） (2022-09-01T15:50:58Z)
• ASOD60K: Audio-Induced Salient Object Detection in Panoramic Videos [79.05486554647918]
  本研究では,パノラマビデオから有能な物体を分離する新しいタスクであるPV-SODを提案する。 既存の固定レベルやオブジェクトレベルの塩分濃度検出タスクとは対照的に,多モードの塩分濃度検出(SOD)に焦点を当てる。 AsOD60Kという,6レベル階層の4K解像度ビデオフレームを含む,最初の大規模データセットを収集する。
  論文  参考訳（メタデータ） (2021-07-24T15:14:20Z)
• DeepShadows: Separating Low Surface Brightness Galaxies from Artifacts using Deep Learning [70.80563014913676]
  本研究では,低地光度銀河と人工物とを分離する問題に対する畳み込みニューラルネットワーク(CNN)の利用について検討する。 我々は、CNNが低地光度宇宙の研究に非常に有望な道を提供することを示した。
  論文  参考訳（メタデータ） (2020-11-24T22:51:08Z)
• Spectral Analysis Network for Deep Representation Learning and Image Clustering [53.415803942270685]
  本稿ではスペクトル分析に基づく教師なし深層表現学習のための新しいネットワーク構造を提案する。 パッチレベルで画像間の局所的な類似性を識別できるため、閉塞に対してより堅牢である。 クラスタリングに親しみやすい表現を学習し、データサンプル間の深い相関を明らかにすることができる。
  論文  参考訳（メタデータ） (2020-09-11T05:07:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。