論文の概要: Astronomical image time series classification using CONVolutional
attENTION (ConvEntion)
- arxiv url: http://arxiv.org/abs/2304.01236v1
- Date: Mon, 3 Apr 2023 08:48:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-05 17:04:01.450188
- Title: Astronomical image time series classification using CONVolutional
attENTION (ConvEntion)
- Title（参考訳）: CONVolutional AttENTION(ConvEntion)を用いた天文画像時系列分類
- Authors: Anass Bairouk, Marc Chaumont, Dominique Fouchez, Jerome Paquet,
Fr\'ed\'eric Comby, Julian Bautista
- Abstract要約: 本稿では,画像を直接利用して,異なる種類の空間オブジェクトを分類する深層学習に基づく新しい手法を提案する。
提案手法は時間的特徴を統合し,任意の帯域を持つ様々な種類の画像データセットに適用することができる。
- 参考スコア（独自算出の注目度）: 0.9623578875486182
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Aims. The treatment of astronomical image time series has won increasing
attention in recent years. Indeed, numerous surveys following up on transient
objects are in progress or under construction, such as the Vera Rubin
Observatory Legacy Survey for Space and Time (LSST), which is poised to produce
huge amounts of these time series. The associated scientific topics are
extensive, ranging from the study of objects in our galaxy to the observation
of the most distant supernovae for measuring the expansion of the universe.
With such a large amount of data available, the need for robust automatic tools
to detect and classify celestial objects is growing steadily. Methods. This
study is based on the assumption that astronomical images contain more
information than light curves. In this paper, we propose a novel approach based
on deep learning for classifying different types of space objects directly
using images. We named our approach ConvEntion, which stands for CONVolutional
attENTION. It is based on convolutions and transformers, which are new
approaches for the treatment of astronomical image time series. Our solution
integrates spatio-temporal features and can be applied to various types of
image datasets with any number of bands. Results. In this work, we solved
various problems the datasets tend to suffer from and we present new results
for classifications using astronomical image time series with an increase in
accuracy of 13%, compared to state-of-the-art approaches that use image time
series, and a 12% increase, compared to approaches that use light curves.
- Abstract（参考訳）: 狙いだ
近年,天文画像の時系列処理が注目されている。
実際、過渡的な天体に関する多くの調査が進行中か建設中であり、例えばヴェラ・ルービン天文台の宇宙と時間に関するレガシーサーベイ (LSST) は、これらの時系列を大量に生成することを目指している。
関連する科学的トピックは、我々の銀河内の天体の研究から、宇宙の膨張を測定するための最も遠い超新星の観測まで幅広い。
膨大な量のデータが得られるため、天体を検知し分類する堅牢な自動ツールの必要性は着実に高まっている。
メソッド。
この研究は、天体画像が光度曲線よりも多くの情報を含んでいるという仮定に基づいている。
本稿では,画像を用いて異なる種類の空間オブジェクトを分類するための深層学習に基づく新しい手法を提案する。
われわれはConvEntionと命名し,ConVolutional attENTIONの略とした。
これはコンボリューションとトランスフォーマーに基づいており、天文学的な画像時系列を扱うための新しいアプローチである。
我々のソリューションは時空間的特徴を統合し、様々な種類の画像データセットに適用できる。
結果だ
本研究では,データセットが苦しむ様々な問題を解き,天文学的画像時系列を用いた分類において,画像時系列を用いた最新手法と比較し,光曲線を用いたアプローチと比較して13%の精度で分類する新しい結果を示す。
関連論文リスト
- 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) - Blind Dates: Examining the Expression of Temporality in Historical
Photographs [57.07335632641355]
マルチモーダル言語とビジョンモデルであるCLIPのオープンソース実装であるOpenCLIPを用いて、画像の日付を調査する。
我々は1950年から1999年までの39,866枚のグレースケールの歴史的プレス写真を含むtextitDe Boer Scene Detectionデータセットを使用している。
解析の結果、バス、車、猫、犬、そして人々が写っている画像はより正確に年代付けされており、時間的マーカーの存在が示唆されている。
論文 参考訳（メタデータ） (2023-10-10T13:51:24Z) - 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) - DeepGraviLens: a Multi-Modal Architecture for Classifying Gravitational
Lensing Data [3.4138918206057265]
DeepGraviLensは、1つの非レンズ系と3つのレンズ系に属する時間データを分類する新しいネットワークである。
検討されたデータセットに応じて、アート精度の現在の状態を$approx 3%$から$approx 11%$に上回る。
論文 参考訳（メタデータ） (2022-05-02T07:45:51Z) - Satellite Image Time Series Analysis for Big Earth Observation Data [50.591267188664666]
本稿では,機械学習を用いた衛星画像時系列解析のためのオープンソースRパッケージである sit について述べる。
本手法は, Cerrado Biome のケーススタディにより, 土地利用と土地被覆マップの精度が高いことを示す。
論文 参考訳（メタデータ） (2022-04-24T15:23:25Z) - Incorporating Texture Information into Dimensionality Reduction for
High-Dimensional Images [65.74185962364211]
距離ベース次元削減手法に周辺情報を組み込む手法を提案する。
画像パッチを比較する異なる手法の分類に基づいて,様々なアプローチを探索する。
論文 参考訳（メタデータ） (2022-02-18T13:17:43Z) - 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) - Paying Attention to Astronomical Transients: Introducing the Time-series
Transformer for Photometric Classification [6.586394734694152]
本稿では,自然言語処理のためのトランスフォーマーアーキテクチャを提案する。
時系列変換器をフォトメトリック分類のタスクに適用し、エキスパートドメイン知識の信頼性を最小化する。
我々は、光度LSST天文時系列分類チャレンジのデータを用いて、不均衡なデータに対する0.507の対数ロスを達成する。
論文 参考訳（メタデータ） (2021-05-13T10:16:13Z) - 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) - Crowdsampling the Plenoptic Function [56.10020793913216]
このようなデータから時間変動照明下での新しいビュー合成手法を提案する。
本稿では,新しいDeepMPI表現について紹介する。
本手法は従来のMPI法と同等のパララックスとビュー依存効果を合成し, 反射率の変化と光の時間変化を同時に補間する。
論文 参考訳（メタデータ） (2020-07-30T02:52:10Z) - 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)
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。