Fugu-MT 論文翻訳(概要): Galaxy Image Classification using Hierarchical Data Learning with Weighted Sampling and Label Smoothing

論文の概要: Galaxy Image Classification using Hierarchical Data Learning with Weighted Sampling and Label Smoothing

arxiv url: http://arxiv.org/abs/2212.10081v1
Date: Tue, 20 Dec 2022 08:46:42 GMT
ステータス: 処理完了
システム内更新日: 2022-12-21 17:26:05.108006
Title: Galaxy Image Classification using Hierarchical Data Learning with Weighted Sampling and Label Smoothing
Title（参考訳）: 重み付きサンプリングとラベル平滑化を用いた階層型データ学習による銀河画像分類
Authors: Xiaohua Ma, Xiangru Li, Ali Luo, Jinqu Zhang, Hui Li
Abstract要約: 本稿では,重み付きサンプリングとラベル平滑化を用いた階層的不均衡データ学習法(HIWL)を提案する。総合的な分類精度は96.32%であり、HIWLのいくつかの優位性はリコール、精度、F1スコアに基づいて示される。
参考スコア（独自算出の注目度）: 2.7681581852623545
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: With the development of a series of Galaxy sky surveys in recent years, the observations increased rapidly, which makes the research of machine learning methods for galaxy image recognition a hot topic. Available automatic galaxy image recognition researches are plagued by the large differences in similarity between categories, the imbalance of data between different classes, and the discrepancy between the discrete representation of Galaxy classes and the essentially gradual changes from one morphological class to the adjacent class (DDRGC). These limitations have motivated several astronomers and machine learning experts to design projects with improved galaxy image recognition capabilities. Therefore, this paper proposes a novel learning method, ``Hierarchical Imbalanced data learning with Weighted sampling and Label smoothing" (HIWL). The HIWL consists of three key techniques respectively dealing with the above-mentioned three problems: (1) Designed a hierarchical galaxy classification model based on an efficient backbone network; (2) Utilized a weighted sampling scheme to deal with the imbalance problem; (3) Adopted a label smoothing technique to alleviate the DDRGC problem. We applied this method to galaxy photometric images from the Galaxy Zoo-The Galaxy Challenge, exploring the recognition of completely round smooth, in between smooth, cigar-shaped, edge-on and spiral. The overall classification accuracy is 96.32\%, and some superiorities of the HIWL are shown based on recall, precision, and F1-Score in comparing with some related works. In addition, we also explored the visualization of the galaxy image features and model attention to understand the foundations of the proposed scheme.
Abstract（参考訳）: 近年の一連の銀河スカイサーベイの発展に伴い、観測は急速に増加し、銀河画像認識のための機械学習手法の研究が話題となっている。使用可能な銀河画像認識研究は、カテゴリ間の類似度、異なるクラス間のデータの不均衡、銀河クラスの離散的な表現と1つの形態的クラスから隣接するクラス(ddrgc)への本質的に漸進的な変化の差に苦しめられている。これらの制限は、いくつかの天文学者や機械学習の専門家に銀河画像認識能力を改善したプロジェクトの設計を動機付けている。そこで本研究では,<herarchical imbalanced data learning with Weighted sample and Label smoothing(HIWL)を提案する。 HIWLは,(1)効率的なバックボーンネットワークに基づく階層型銀河分類モデルの設計,(2)不均衡問題に対処するための重み付きサンプリングスキームの利用,(3)DDRGC問題を緩和するためのラベル平滑化手法の採用,の3つの主要な手法からなる。本手法をGalaxy Zoo-The Galaxy Challengeの銀河測光画像に適用し, 円盤状, 葉巻状, エッジオン, スパイラル間の完全に円滑な認識を探索した。全体の分類精度は96.32\%であり、いくつかの関連作品との比較において、hwlのいくつかの優位性は、リコール、精度、およびf1-スコアに基づいて示される。さらに,提案手法の基礎を理解するために,銀河画像の特徴の可視化やモデル注目についても検討した。

関連論文リスト

Ground-based image deconvolution with Swin Transformer UNet [2.41675832913699]
Swin Transformerアーキテクチャを用いた2段階のデコンボリューションフレームワークを提案する。我々の研究は、ディープラーニングベースのソリューションが、科学的分析の範囲を制限してバイアスをもたらすことを明らかにした。本稿では,スポーシティウェーブレットフレームワークの活性係数に依存する新しい第3ステップを提案する。
論文参考訳（メタデータ） (2024-05-13T15:30:41Z)
OsmLocator: locating overlapping scatter marks with a non-training generative perspective [48.50108853199417]
重複するマークの配置には、テクスチャの欠如、文脈の少ない情報、ハロー形状、小さなサイズなど、多くの困難がある。ここでは、クラスタリングに基づく再視覚化の最適化問題として、非学習的生成の観点から定式化する。特に,異なるマーカーと様々な重なり合いの重なり合いを持つ何百もの散乱画像を含む2023というデータセットを構築し,提案手法を既存の手法と比較した。
論文参考訳（メタデータ） (2023-12-18T12:39:48Z)
Symmetrical Bidirectional Knowledge Alignment for Zero-Shot Sketch-Based Image Retrieval [69.46139774646308]
本稿ではゼロショットスケッチベース画像検索(ZS-SBIR)の問題点について検討する。目に見えないカテゴリのスケッチをクエリとして使用して、同じカテゴリのイメージにマッチさせることが目的だ。ゼロショットスケッチに基づく画像検索(SBKA)のための新しい対称双方向知識アライメントを提案する。
論文参考訳（メタデータ） (2023-12-16T04:50:34Z)
Spiral-Elliptical automated galaxy morphology classification from telescope images [0.40792653193642503]
我々は、望遠鏡の銀河画像から効率的に抽出できる2つの新しい銀河形態統計、降下平均と降下分散を開発した。我々は,Sloan Digital Sky Surveyの銀河画像データを用いて,提案した画像統計の有効性能を実証した。
論文参考訳（メタデータ） (2023-10-10T22:36:52Z)
Semi-Supervised Domain Adaptation for Cross-Survey Galaxy Morphology Classification and Anomaly Detection [57.85347204640585]
We developed a Universal Domain Adaptation method DeepAstroUDA。異なるタイプのクラスオーバーラップしたデータセットに適用することができる。初めて、我々は2つの非常に異なる観測データセットに対するドメイン適応の有効利用を実演した。
論文参考訳（メタデータ） (2022-11-01T18:07:21Z)
Detection of extragalactic Ultra-Compact Dwarfs and Globular Clusters using Explainable AI techniques [1.3764085113103222]
銀河を取り巻く超コンパクト小星(UCD)や球状星団(GC)のような小さな恒星系は、これらの銀河を形成する融合現象のトレーサーとして知られている。ここでは、Fornax銀河団のマルチ波長イメージングデータを用いて、これらの物体を前景の星や背景銀河から6個のフィルターで分離する機械学習モデルを訓練する。精度と93%のリコールでUDD/GCを識別でき、各特徴量%(色と角の大きさ)の重要性を反映した関連性を提供します。
論文参考訳（メタデータ） (2022-01-05T13:37:55Z)
Morphological Classification of Galaxies in S-PLUS using an Ensemble of Convolutional Networks [0.0]
我々は,Galaxy Zooプロジェクトの正確な視覚分類とemph Deep Learning手法を組み合わせる。ニューラルネットワークモデルは、他の4つの畳み込みモデルのアンサンブルによって作成され、どの個人でも得られるものよりも、分類の精度が高い。
論文参考訳（メタデータ） (2021-07-05T21:51:19Z)
Morphological classification of compact and extended radio galaxies using convolutional neural networks and data augmentation techniques [0.0]
この研究は、FIRST (Faint Images of the Radio Sky at Twenty Centimeters) からのアーカイブデータを用いて、電波銀河を4つのクラスに分類する。この研究で示されたモデルは、畳み込みニューラルネットワーク(CNN)に基づいている。本モデルでは,精度,リコール,F1スコアの平均96%の独立したテストサブセットを用いて,選択した電波源のクラスを分類した。
論文参考訳（メタデータ） (2021-07-01T11:53:18Z)
Spatial-spectral Hyperspectral Image Classification via Multiple Random Anchor Graphs Ensemble Learning [88.60285937702304]
本稿では,複数のランダムアンカーグラフアンサンブル学習(RAGE)を用いた空間スペクトルHSI分類手法を提案する。まず、各選択されたバンドのより記述的な特徴を抽出し、局所的な構造と領域の微妙な変化を保存するローカルバイナリパターンを採用する。次に,アンカーグラフの構成に適応隣接代入を導入し,計算複雑性を低減した。
論文参考訳（メタデータ） (2021-03-25T09:31:41Z)
Self-supervised Geometric Perception [96.89966337518854]
自己教師付き幾何知覚(self-supervised geometric perception)は、基底幾何モデルラベルなしで対応マッチングのための特徴記述子を学ぶためのフレームワークである。また,SGPは,地上トラスラベルを用いて訓練した教師付きオークルよりも同等か優れる最先端性能を達成できることを示す。
論文参考訳（メタデータ） (2021-03-04T15:34:43Z)
Interpreting Galaxy Deblender GAN from the Discriminator's Perspective [50.12901802952574]
本研究は、ネットワークの主要なコンポーネントである識別器の動作に焦点を当てるが、しばしば見落とされがちな役割を担っている。本手法は, 生成銀河画像と地中真理画像とを区別する際に, 識別器の注意領域を明確に明らかにする。
論文参考訳（メタデータ） (2020-01-17T04:05:46Z)

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。