論文の概要: Mining for strong gravitational lenses with self-supervised learning

• arxiv url: http://arxiv.org/abs/2110.00023v1
• Date: Thu, 30 Sep 2021 18:00:02 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-05 05:49:26.917776
• Title: Mining for strong gravitational lenses with self-supervised learning
• Title（参考訳）: 自己教師付き学習による強重力レンズのマイニング
• Authors: George Stein, Jacqueline Blaum, Peter Harrington, Tomislav Medan, Zarija Lukic
• Abstract要約: 我々は、7600万個の銀河画像から情報を抽出するために自己教師付き表現学習を用いる。 まず最初に、ラベル付き1つの例のみを与えられた新しい強力なレンズを見つけるために、高速な類似性検索ツールを作成します。 1192個の新しい強いレンズ候補を提示し、簡単な視覚的識別キャンペーンで確認した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We employ self-supervised representation learning to distill information from 76 million galaxy images from the Dark Energy Spectroscopic Instrument (DESI) Legacy Imaging Surveys' Data Release 9. Targeting the identification of new strong gravitational lens candidates, we first create a rapid similarity search tool to discover new strong lenses given only a single labelled example. We then show how training a simple linear classifier on the self-supervised representations, requiring only a few minutes on a CPU, can automatically classify strong lenses with great efficiency. We present 1192 new strong lens candidates that we identified through a brief visual identification campaign, and release an interactive web-based similarity search tool and the top network predictions to facilitate crowd-sourcing rapid discovery of additional strong gravitational lenses and other rare objects: github.com/georgestein/ssl-legacysurvey
• Abstract（参考訳）: 我々は、Dark Energy Spectroscopic Instruments (DESI) Legacy Imaging Surveys' Data Release 9から7600万個の銀河画像から情報を抽出するために、自己教師付き表現学習を採用している。 新しい強い重力レンズ候補の同定を目標として、まず1つのラベル付き例から新しい強いレンズを発見するための高速類似性探索ツールを開発した。 次に、単純な線形分類器を自己教師付き表現でトレーニングする方法を示し、cpu上でほんの数分で、強力なレンズを効率良く自動的に分類できることを示す。 1192個の新しい強力なレンズ候補を、簡単な視覚的識別キャンペーンを通じて特定し、インタラクティブなWebベースの類似性検索ツールとトップネットワーク予測を公開し、より強力な重力レンズや他のレアな物体をクラウドソーシングで素早く発見できるようにする。

関連論文リスト

• Visual Anchors Are Strong Information Aggregators For Multimodal Large Language Model [82.93634081255942]
  本稿では,MLLMが低コストを維持しつつ高い精度を達成できるビジョン言語コネクタを提案する。 まず、視覚変換器における視覚アンカーの存在を明らかにし、それらを抽出するためのコスト効率の良い探索アルゴリズムを提案する。 Anchor former (AcFormer) は、事前学習中に得られた視覚的アンカーから得られる豊富な事前知識を活用するために設計された、新しい視覚言語コネクタである。
  論文  参考訳（メタデータ） (2024-05-28T04:23:00Z)
• CSST Strong Lensing Preparation: a Framework for Detecting Strong Lenses in the Multi-color Imaging Survey by the China Survey Space Telescope (CSST) [25.468504540327498]
  強い重力レンズはダークマターとダークエネルギー特性を研究する強力なツールである。 我々は,階層型視覚変換器をベースとしたスライディングウインドウ技術を用いて,画像全体に強いレンズシステムを求めるフレームワークを開発した。 我々のフレームワークは、それぞれ0.98と0.90の精度とリコール率を達成する。
  論文  参考訳（メタデータ） (2024-04-02T09:44:30Z)
• Reward Finetuning for Faster and More Accurate Unsupervised Object Discovery [64.41455104593304]
  Reinforcement Learning from Human Feedback (RLHF)は、機械学習モデルを改善し、それを人間の好みに合わせる。 本稿では,RL法と類似した手法を非教師対象発見に適用することを提案する。 私たちは、我々のアプローチがより正確であるだけでなく、訓練よりも桁違いに高速であることを示した。
  論文  参考訳（メタデータ） (2023-10-29T17:03:12Z)
• Semi-supervised learning made simple with self-supervised clustering [65.98152950607707]
  自己教師付き学習モデルは、人間のアノテーションを必要とせずにリッチな視覚表現を学習することが示されている。 本稿では,クラスタリングに基づく自己教師付き手法を半教師付き学習者へと変換する,概念的に単純だが経験的に強力な手法を提案する。
  論文  参考訳（メタデータ） (2023-06-13T01:09:18Z)
• When Spectral Modeling Meets Convolutional Networks: A Method for Discovering Reionization-era Lensed Quasars in Multi-band Imaging Data [0.0]
  画像に基づく深層学習により実装された新しい空間幾何学的ベト基準を導入する。 我々は、この手法の最初の応用を、イオン化時代のレンズ付きクエーサーの体系的な探索に適用する。 トレーニングデータセットは、実際の銀河画像の上に偏向した点光源の光を塗って、現実的な銀河クエーサーレンズモデルを生成することで構築される。
  論文  参考訳（メタデータ） (2022-11-26T11:27:13Z)
• ULISSE: A Tool for One-shot Sky Exploration and its Application to Active Galactic Nuclei Detection [1.3681174239726606]
  ULISSEは、同じ形態的および光度特性を共有する物体を識別する新しいディープラーニングツールである。 実験により、ULISSEは、ホスト銀河の形態、色、および中心核源の存在から、AGN候補を特定できることが示された。
  論文  参考訳（メタデータ） (2022-08-23T14:05:30Z)
• Object-Aware Self-supervised Multi-Label Learning [9.496981642855769]
  マルチラベル学習のためのよりきめ細かい表現を得るために,オブジェクト指向自己スーパービジョン(OASS)法を提案する。 提案手法は,提案しない方式でCSI(Class-Specific Instances)を効率的に生成するために利用することができる。 マルチラベル分類のためのVOC2012データセットの実験により,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2022-05-14T10:14:08Z)
• Self-supervised similarity search for large scientific datasets [0.0]
  本稿では,大規模未ラベルデータセットの探索と活用に自己教師付き学習を用いることを提案する。 まず、各画像の対称性、不確実性、ノイズに頑健な低次元表現を除去するために、自己教師付きモデルを訓練する。 次に,この表現を用いて対話型セマンティック類似検索ツールを構築し,公開する。
  論文  参考訳（メタデータ） (2021-10-25T18:00:00Z)
• Large-scale Unsupervised Semantic Segmentation [163.3568726730319]
  本稿では, 大規模無教師付きセマンティックセマンティックセグメンテーション (LUSS) の新たな課題を提案する。 ImageNetデータセットに基づいて、120万のトレーニング画像と40万の高品質なセマンティックセグメンテーションアノテーションを用いた画像Net-Sデータセットを提案する。
  論文  参考訳（メタデータ） (2021-06-06T15:02:11Z)
• Improving Object Detection with Selective Self-supervised Self-training [62.792445237541145]
  本研究では,Web画像を利用した人為的対象検出データセットの強化について検討する。 画像と画像の検索によりWebイメージを検索し、他の検索手法に比べて、キュレートされたデータからのドメインシフトが少なくなる。 画像分類のためのラベルのないデータを探索する2つの並列処理をモチベーションとした新しい学習手法を提案する。
  論文  参考訳（メタデータ） (2020-07-17T18:05:01Z)
• Self-Supervised Viewpoint Learning From Image Collections [116.56304441362994]
  本稿では,解析・合成パラダイムを取り入れた新たな学習フレームワークを提案する。 提案手法は,人間の顔,車,バス,電車など,複数の対象カテゴリに対して,完全に教師されたアプローチに対して競争力を発揮することを示す。
  論文  参考訳（メタデータ） (2020-04-03T22:01:41Z)

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。