Fugu-MT 論文翻訳(概要): Detection of asteroid trails in Hubble Space Telescope images using Deep Learning

論文の概要: Detection of asteroid trails in Hubble Space Telescope images using Deep Learning

arxiv url: http://arxiv.org/abs/2010.15425v2
Date: Fri, 30 Oct 2020 12:48:46 GMT
ステータス: 処理完了
システム内更新日: 2022-10-02 00:05:33.387863
Title: Detection of asteroid trails in Hubble Space Telescope images using Deep Learning
Title（参考訳）: 深層学習によるハッブル宇宙望遠鏡画像中の小惑星跡の検出
Authors: Andrei A. Parfeni, Laurentiu I. Caramete, Andreea M. Dobre, Nguyen Tran Bach
Abstract要約: 本稿では,ハッブル宇宙望遠鏡で撮影した単一露光写真における小惑星軌道の画像認識へのDeep Learningの適用について述べる。多層深層畳み込みニューラルネットワークに基づくアルゴリズムを用いて、検証セット上で80%以上の精度を報告する。
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: We present an application of Deep Learning for the image recognition of asteroid trails in single-exposure photos taken by the Hubble Space Telescope. Using algorithms based on multi-layered deep Convolutional Neural Networks, we report accuracies of above 80% on the validation set. Our project was motivated by the Hubble Asteroid Hunter project on Zooniverse, which focused on identifying these objects in order to localize and better characterize them. We aim to demonstrate that Machine Learning techniques can be very useful in trying to solve problems that are closely related to Astronomy and Astrophysics, but that they are still not developed enough for very specific tasks.
Abstract（参考訳）: 本稿では,ハッブル宇宙望遠鏡で撮影した単一露光写真における小惑星軌道の画像認識へのDeep Learningの適用について述べる。多層深層畳み込みニューラルネットワークに基づくアルゴリズムを用いて,検証セットの80%以上の精度を報告した。我々のプロジェクトは、ゾニバースのハッブル小惑星ハンタープロジェクト(Hubble Asteroid Hunter project)によって動機づけられた。我々は,天文学や天文学と密接に関連している問題を解く上で,機械学習技術が非常に有用であることを示すことを目的としている。

関連論文リスト

Contrasting Deepfakes Diffusion via Contrastive Learning and Global-Local Similarities [88.398085358514]
Contrastive Deepfake Embeddings (CoDE)は、ディープフェイク検出に特化した新しい埋め込み空間である。 CoDEは、グローバルローカルな類似性をさらに強化することで、対照的な学習を通じて訓練される。
論文参考訳（メタデータ） (2024-07-29T18:00:10Z)
Scientific Preparation for CSST: Classification of Galaxy and Nebula/Star Cluster Based on Deep Learning [8.633077812513074]
我々は、銀河とNSCの画像の分類のためのHR-CelestialNetというディープラーニングモデルを開発した。 HR-CelestialNetはテストセットで89.09%の精度を達成し、AlexNet、VGGNet、ResNetなどのモデルを上回った。提案手法は,CSST探査ミッション中にリアルタイムに天体画像の識別を可能にする。
論文参考訳（メタデータ） (2023-12-08T10:27:40Z)
Towards Real-World Focus Stacking with Deep Learning [97.34754533628322]
焦点ブラケットを用いた94個の高解像度原画像のバーストからなる新しいデータセットを提案する。このデータセットは、現実世界のアプリケーションに十分な長さのバーストを処理できるフォーカススタックのための最初のディープラーニングアルゴリズムをトレーニングするために使用される。
論文参考訳（メタデータ） (2023-11-29T17:49:33Z)
Exploring Deep Learning Image Super-Resolution for Iris Recognition [50.43429968821899]
重畳自動エンコーダ(SAE)と畳み込みニューラルネットワーク(CNN)の2つの深層学習単一画像超解法手法を提案する。精度評価と認識実験により,1.872個の近赤外虹彩画像のデータベースを用いて評価を行い,比較アルゴリズムよりも深層学習の方が優れていることを示す。
論文参考訳（メタデータ） (2023-11-02T13:57:48Z)
Photometric identification of compact galaxies, stars and quasars using multiple neural networks [0.9894420655516565]
MargNetは、恒星、クエーサー、コンパクト銀河を識別するためのディープラーニングベースの分類器である。データの分類を直接学習し、人間の介入の必要性を最小限に抑える。 MargNetは、コンパクト銀河のみに焦点を当てた最初の分類器である。
論文参考訳（メタデータ） (2022-11-15T18:37:04Z)
Automatic identification of outliers in Hubble Space Telescope galaxy images [0.0]
本稿では,異常銀河画像の自動検出のための教師なし機械学習アルゴリズムについて述べる。このアルゴリズムの銀河群への応用により、様々な外縁銀河の画像が検出された。カタログには、自動化を使わずに識別するのが非常に難しい147のオブジェクトが含まれている。
論文参考訳（メタデータ） (2021-01-07T16:52:10Z)
Model Optimization for Deep Space Exploration via Simulators and Deep Learning [0.0]
ニューラルネットワークを用いた深層学習の応用を探索し、天体の検出を自動化します。画像を取得して分析し、重要なものを返送する能力は、帯域制限のあるアプリケーションでは重要です。複数のモデルアーキテクチャにおいて、比較的小さなトレーニングセットであっても、達成された最大精度が98%以上に達することが示される。
論文参考訳（メタデータ） (2020-12-28T04:36:09Z)
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)
Neural Ray Surfaces for Self-Supervised Learning of Depth and Ego-motion [51.19260542887099]
カメラモデルの事前知識を必要とせずに、自己超越を用いて正確な深度とエゴモーション推定を学習できることが示される。 Grossberg と Nayar の幾何学モデルにインスパイアされた我々は、ピクセルワイド射影線を表す畳み込みネットワークである Neural Ray Surfaces (NRS) を導入する。本研究では,多種多様なカメラシステムを用いて得られた生ビデオから,視覚計測の自己教師付き学習と深度推定にNRSを用いることを実証する。
論文参考訳（メタデータ） (2020-08-15T02:29:13Z)
Self-supervised Learning for Astronomical Image Classification [1.2891210250935146]
天文学では、毎日大量の画像データが測光サーベイによって生成される。本稿では,未ラベルの天体画像から深部畳み込みニューラルネットワークを学習する手法を提案する。
論文参考訳（メタデータ） (2020-04-23T17:32:19Z)
Learning Depth With Very Sparse Supervision [57.911425589947314]
本稿では, 環境との相互作用を通じて, 知覚が世界の3次元特性と結合するという考えを考察する。我々は、環境と対話するロボットが利用できるような、特殊なグローバルローカルネットワークアーキテクチャを訓練する。いくつかのデータセットの実験では、画像ピクセルの1つでも基底真理が利用できる場合、提案されたネットワークは、最先端のアプローチよりも22.5%の精度でモノクロの深度推定を学習できることを示している。
論文参考訳（メタデータ） (2020-03-02T10:44:13Z)

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。