論文の概要: A comparative study of source-finding techniques in HI emission line cubes using SoFiA, MTObjects, and supervised deep learning

• arxiv url: http://arxiv.org/abs/2211.12809v1
• Date: Wed, 23 Nov 2022 09:45:07 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-24 13:45:51.727866
• Title: A comparative study of source-finding techniques in HI emission line cubes using SoFiA, MTObjects, and supervised deep learning
• Title（参考訳）: SoFiA, MTObjectsおよび教師付きディープラーニングを用いたHIエミッションライン立方体におけるソースフィニング技術の比較研究
• Authors: J.A. Barkai, M.A.W. Verheijen, E.T. Mart\'inez, M.H.F. Wilkinson
• Abstract要約: 21cmの中性子中性水素(HI)のスペクトル線放射は、電波天文学で観測される主要な波長の1つである。 本研究の目的は,3次元中性水素立方体における最も優れたマスク品質と最も少ない人工物を用いて,最も多く源を探索し,マスキングするための最適パイプラインを見つけることである。 従来の2つのソースフィニング手法であるSoFiAとMTObjectsがテストされ、新しい教師付きディープラーニングアプローチとして、V-Netとして知られる3D畳み込みニューラルネットワークアーキテクチャが使用された。 パイプラインは、ウェスターボルク合成電波望遠鏡のHIデータキューブに追加の模擬銀河を挿入して試験された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The 21 cm spectral line emission of atomic neutral hydrogen (HI) is one of the primary wavelengths observed in radio astronomy. However, the signal is intrinsically faint and the HI content of galaxies depends on the cosmic environment, requiring large survey volumes and survey depth to investigate the HI Universe. As the amount of data coming from these surveys continues to increase with technological improvements, so does the need for automatic techniques for identifying and characterising HI sources while considering the tradeoff between completeness and purity. This study aimed to find the optimal pipeline for finding and masking the most sources with the best mask quality and the fewest artefacts in 3D neutral hydrogen cubes. Various existing methods were explored in an attempt to create a pipeline to optimally identify and mask the sources in 3D neutral hydrogen 21 cm spectral line data cubes. Two traditional source-finding methods were tested, SoFiA and MTObjects, as well as a new supervised deep learning approach, in which a 3D convolutional neural network architecture, known as V-Net was used. These three source-finding methods were further improved by adding a classical machine learning classifier as a post-processing step to remove false positive detections. The pipelines were tested on HI data cubes from the Westerbork Synthesis Radio Telescope with additional inserted mock galaxies. SoFiA combined with a random forest classifier provided the best results, with the V-Net-random forest combination a close second. We suspect this is due to the fact that there are many more mock sources in the training set than real sources. There is, therefore, room to improve the quality of the V-Net network with better-labelled data such that it can potentially outperform SoFiA.
• Abstract（参考訳）: 21cmの中性子中性水素(HI)のスペクトル線放射は、電波天文学で観測される主要な波長の1つである。 しかし、信号は本質的に暗く、銀河のHI含量は宇宙環境に依存するため、HIユニバースの調査には大量の調査量と調査深度が必要である。 これらの調査から得られたデータ量が技術的改善とともに増加を続けるにつれ、完全性と純粋性のトレードオフを考慮しながら、hiソースを識別し特徴付ける自動技術が必要となる。 本研究の目的は,3次元中性水素立方体において,最高のマスク品質と最少のアーティファクトを有する多くのソースを探索し,マスキングするための最適なパイプラインを見出すことである。 3次元中性水素21cmスペクトルデータキューブのソースを最適に識別し、隠蔽するパイプラインを構築するために、既存の様々な手法が検討された。 従来の2つのソースフィニング手法であるSoFiAとMTObjectsがテストされ、新しい教師付きディープラーニングアプローチとして、V-Netとして知られる3D畳み込みニューラルネットワークアーキテクチャが使用された。 これらの3つのソースフィニング法は、従来の機械学習分類器を後処理ステップとして追加して、偽陽性検出を除去することでさらに改善された。 パイプラインは、ウェスターボルク合成電波望遠鏡のHIデータキューブに追加の模擬銀河を挿入して試験された。 SoFiAとランダムな森林分類器を組み合わせることで、V-Net-ランダムな森林の組み合わせが2秒間近かった。 これは、トレーニングセットに実際のソースよりも多くのモックソースがあるという事実によるものだと思います。 したがって、V-Netネットワークの品質を向上させる余地があるので、SoFiAより優れている可能性がある。

関連論文リスト

• Automated Identification and Segmentation of Hi Sources in CRAFTS Using Deep Learning Method [6.842583606693629]
  観測データから中性水素(ヒ)銀河を同定することは、ハイ銀河探査において重要な課題である。 CRAFTS(Commensal Radio Astronomy FAST Survey)から得られた3次元(3D)スペクトルデータからヒ源を抽出する機械学習手法を提案する。 我々のモデルであるUnet-LKは、高度な3D-Unetセグメンテーションアーキテクチャを使用し、Huソースの複雑な構造を効果的に捉えるために、長めの畳み込みカーネルを使用している。
  論文  参考訳（メタデータ） (2024-03-29T01:46:11Z)
• Frequency-Aware Deepfake Detection: Improving Generalizability through Frequency Space Learning [81.98675881423131]
  この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。 既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。 本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-03-12T01:28:00Z)
• Identification of 4FGL uncertain sources at Higher Resolutions with Inverse Discrete Wavelet Transform [0.562479170374811]
  来るべき大天体データの時代には、地上の望遠鏡や宇宙の望遠鏡からターゲット源を見つけるのが重宝される。 本研究は,AGN候補の発見と4FGL DR3からBL Lac/FSRQ候補を同定することに焦点を当てた。
  論文  参考訳（メタデータ） (2024-01-05T01:02:34Z)
• 3D Detection and Characterisation of ALMA Sources through Deep Learning [0.0]
  本稿では,Atacama Large Millimeter/submillimeter Array (ALMA) データキューブ内の天文学的情報源の検出と評価を目的として,Deep-Learning (DL)パイプラインを提案する。 パイプラインは、統合データキューブの空間領域内でのソース検出のための畳み込みオートエンコーダ、周波数領域内での遅延検出とピーク検出のためのリカレントニューラルネットワーク(RNN)、ソースキャラクタリゼーションのためのResidual Neural Networks(ResNets)の6つのDLモデルで構成されている。
  論文  参考訳（メタデータ） (2022-11-21T13:50:35Z)
• Boosting 3D Object Detection by Simulating Multimodality on Point Clouds [51.87740119160152]
  本稿では,LiDAR 画像検出器に追従する特徴や応答をシミュレートすることで,単一モダリティ (LiDAR) 3次元物体検出器を高速化する新しい手法を提案する。 このアプローチでは、単一モダリティ検出器をトレーニングする場合のみ、LiDARイメージデータを必要とし、十分にトレーニングされた場合には、推論時にのみLiDARデータが必要である。 nuScenesデータセットの実験結果から,本手法はSOTA LiDARのみの3D検出器よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2022-06-30T01:44:30Z)
• Joint Learning of Salient Object Detection, Depth Estimation and Contour Extraction [91.43066633305662]
  RGB-D Salient Object Detection (SOD) のための新しいマルチタスク・マルチモーダルフィルタトランス (MMFT) ネットワークを提案する。 具体的には、深度推定、健全な物体検出、輪郭推定の3つの相補的なタスクを統合する。マルチタスク機構は、タスク認識の特徴を補助タスクから学習するためのモデルを促進する。 実験の結果、複数のデータセット上での深度に基づくRGB-D SOD法をはるかに上回るだけでなく、高品質の深度マップと塩分濃度を同時に正確に予測できることがわかった。
  論文  参考訳（メタデータ） (2022-03-09T17:20:18Z)
• MonoDistill: Learning Spatial Features for Monocular 3D Object Detection [80.74622486604886]
  本稿では,LiDAR信号からの空間情報を単分子3D検出器に導入するための簡易かつ効果的な手法を提案する。 得られたデータを用いて、ベースラインモデルと同じアーキテクチャで3D検出器をトレーニングする。 実験の結果,提案手法はベースラインモデルの性能を大幅に向上させることができることがわかった。
  論文  参考訳（メタデータ） (2022-01-26T09:21:41Z)
• MeerCRAB: MeerLICHT Classification of Real and Bogus Transients using Deep Learning [0.0]
  本論文では,$textttMeerCRAB$という畳み込みニューラルネットワークアーキテクチャに基づくディープラーニングパイプラインを提案する。 MeerLICHT望遠鏡の過渡検出パイプラインで、真の天体物理源からいわゆる「ボグ」検出をフィルタリングするように設計されています。
  論文  参考訳（メタデータ） (2021-04-28T18:12:51Z)
• 3D-QCNet -- A Pipeline for Automated Artifact Detection in Diffusion MRI images [0.5735035463793007]
  アーティファクトは拡散MRI(Diffusion MRI)スキャンでよく見られる。 アーティファクト検出のためのqcメソッドはいくつか存在するが、手作業による介入や、さまざまなアーティファクトやデータセットを汎用化できないといった問題に苦しんでいる。 3D-Densenetアーキテクチャを使用した自動ディープラーニング(DL)パイプラインを提案し、自動アーティファクト検出のための拡散ボリュームのモデルを訓練する。
  論文  参考訳（メタデータ） (2021-03-09T08:21:53Z)
• Transfer Learning for Motor Imagery Based Brain-Computer Interfaces: A Complete Pipeline [54.73337667795997]
  移動学習(TL)は、新しい被験者の校正作業を減らすために、運動画像(MI)ベースの脳-コンピュータインタフェース(BCI)に広く用いられている。 本稿では,MIベースのBCIの3つのコンポーネント(空間フィルタリング,特徴工学,分類)すべてにおいてTLが考慮できることを示す。
  論文  参考訳（メタデータ） (2020-07-03T23:44:21Z)
• RoutedFusion: Learning Real-time Depth Map Fusion [73.0378509030908]
  深度マップ融合のための新しいリアルタイム能動機械学習手法を提案する。 本稿では,通常の核融合エラーを考慮に入れた非線形更新を予測できるニューラルネットワークを提案する。 本ネットワークは2次元深度ルーティングネットワークと3次元深度融合ネットワークから構成されており,センサ固有のノイズや外れ値の処理を効率的に行う。
  論文  参考訳（メタデータ） (2020-01-13T16:46:41Z)

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。