論文の概要: Deep Learning Applications Based on WISE Infrared Data: Classification of Stars, Galaxies and Quasars

• arxiv url: http://arxiv.org/abs/2305.10217v1
• Date: Wed, 17 May 2023 13:50:33 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-18 15:50:24.848337
• Title: Deep Learning Applications Based on WISE Infrared Data: Classification of Stars, Galaxies and Quasars
• Title（参考訳）: WISE赤外線データに基づく深層学習応用:星・銀河・クエーサーの分類
• Authors: Guiyu Zhao, Bo Qiu, A-Li Luo, Xiaoyu Guo, Lin Yao, Kun Wang and Yuanbo Liu
• Abstract要約: 深層学習ネットワークIICnetは、WISE画像からソースを分類するように設計されている。 IICnetはWISEソースの特徴抽出に優れた能力を示す。 銀河の96.2%の精度、クエーサーの97.9%の精度、恒星の96.4%の精度を持つ。
• 参考スコア（独自算出の注目度）: 7.864223998826062
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Wide-field Infrared Survey Explorer (WISE) has detected hundreds of millions of sources over the entire sky. However, classifying them reliably is a great challenge due to degeneracies in WISE multicolor space and low detection levels in its two longest-wavelength bandpasses. In this paper, the deep learning classification network, IICnet (Infrared Image Classification network), is designed to classify sources from WISE images to achieve a more accurate classification goal. IICnet shows good ability on the feature extraction of the WISE sources. Experiments demonstrates that the classification results of IICnet are superior to some other methods; it has obtained 96.2% accuracy for galaxies, 97.9% accuracy for quasars, and 96.4% accuracy for stars, and the Area Under Curve (AUC) of the IICnet classifier can reach more than 99%. In addition, the superiority of IICnet in processing infrared images has been demonstrated in the comparisons with VGG16, GoogleNet, ResNet34, MobileNet, EfficientNetV2, and RepVGG-fewer parameters and faster inference. The above proves that IICnet is an effective method to classify infrared sources.
• Abstract（参考訳）: ワイドフィールド赤外線サーベイエクスプローラー(WISE)は、上空で数十億のソースを検出しました。 しかし、WISE多色空間の縮退と2つの長い波長帯域における検出レベルが低いため、それらを確実に分類することは大きな課題である。 本稿では,ディープラーニング分類ネットワーク iicnet (infrared image classification network) を用いて,より正確な分類目標を達成するために,賢明な画像からソースを分類する。 IICnetはWISEソースの特徴抽出に優れた能力を示す。 IICnetの分類結果は、銀河の96.2%の精度、クエーサーの97.9%の精度、恒星の96.4%の精度、IICnet分類器のエリア・アンダー・カーブ(AUC)は99%以上に達した。 さらに, vgg16, googlenet, resnet34, mobilenet, efficientnetv2, repvgg-fewerパラメータと高速な推論において, 赤外線画像処理におけるiicnetの優位性が実証されている。 以上より,IICnetは赤外光源の分類に有効な方法であることが示された。

関連論文リスト

• Semantic segmentation on multi-resolution optical and microwave data using deep learning [0.0]
  畳み込みニューラルネットワークに基づく修正U-NetモデルとVGG-UNetモデルにより、衛星画像からオブジェクトを自動的に識別する。 Cartosat 2S (1m空間分解能)データセットが使用された。 ディープラーニングモデルは、95%以上の精度でテストデータセットから構築された形状と船を検出するために実装された。
  論文  参考訳（メタデータ） (2024-11-12T06:33:09Z)
• 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)
• Supervised classification methods applied to airborne hyperspectral images: Comparative study using mutual information [0.0]
  本稿では,SVM,Random Forest RF,K-Nearest Neighbors KNN,Linear Discriminant Analysis LDAの4つの教師付き学習アルゴリズムの性能について検討する。 実験は、NASAの空中可視/赤外線イメージング分光計センサーAVIRISと反射光学系イメージング分光計ROSISセンサーから得られた3つの実際のハイパースペクトルデータセットで実施された。
  論文  参考訳（メタデータ） (2022-10-27T13:39:08Z)
• Exploring Inter-Channel Correlation for Diversity-preserved KnowledgeDistillation [91.56643684860062]
  ICKD (Inter-Channel correlation for Knowledge Distillation) を開発した。 ICKDは教師ネットワークにおける特徴空間の内在分布と十分な多様性特性をキャプチャする。 我々は,ノウルエッジ蒸留に基づく最初の手法であるResNet18は,ImageNet分類におけるTop-1の精度を72%以上向上させる。
  論文  参考訳（メタデータ） (2022-02-08T07:01:56Z)
• 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)
• TSG: Target-Selective Gradient Backprop for Probing CNN Visual Saliency [72.9106103283475]
  我々は、畳み込みニューラルネットワークを解釈するために視覚的サリエンシ、すなわち視覚的説明について研究する。 これらの観測に触発されて、我々はTSG(Target-Selective Gradient)バックプロップと呼ばれる新しいビジュアル・サリエンシ・フレームワークを提案する。 提案したTSGはTSG-ConvとTSG-FCの2つのコンポーネントから構成され、それぞれ畳み込み層と完全連結層の勾配を補正する。
  論文  参考訳（メタデータ） (2021-10-11T12:00:20Z)
• Infrared Small-Dim Target Detection with Transformer under Complex Backgrounds [155.388487263872]
  変換器を用いた赤外線小径目標検出手法を提案する。 画像特徴の相互作用情報をより広い範囲で学習するために,変換器の自己認識機構を採用する。 最小限のターゲットの機能を学習するための機能拡張モジュールも設計しています。
  論文  参考訳（メタデータ） (2021-09-29T12:23:41Z)
• 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)
• Fusion of CNNs and statistical indicators to improve image classification [65.51757376525798]
  畳み込みネットワークは過去10年間、コンピュータビジョンの分野を支配してきた。 この傾向を長引かせる主要な戦略は、ネットワーク規模の拡大によるものだ。 我々は、異種情報ソースを追加することは、より大きなネットワークを構築するよりもCNNにとって費用対効果が高いと仮定している。
  論文  参考訳（メタデータ） (2020-12-20T23:24:31Z)
• Classification of COVID-19 in CT Scans using Multi-Source Transfer Learning [91.3755431537592]
  我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。 マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。 我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
  論文  参考訳（メタデータ） (2020-09-22T11:53:06Z)
• Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
  適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。 我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。 その結果,小型歩行者の検出における本手法の有効性が示唆された。
  論文  参考訳（メタデータ） (2020-08-19T13:13:01Z)

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。