Fugu-MT 論文翻訳(概要): Astronomical Images Quality Assessment with Automated Machine Learning

論文の概要: Astronomical Images Quality Assessment with Automated Machine Learning

arxiv url: http://arxiv.org/abs/2311.10617v1
Date: Fri, 17 Nov 2023 16:14:11 GMT
ステータス: 処理完了
システム内更新日: 2023-11-20 13:50:48.052975
Title: Astronomical Images Quality Assessment with Automated Machine Learning
Title（参考訳）: 自動機械学習による天文画像の品質評価
Authors: Olivier Parisot, Pierrick Bruneau, Patrik Hitzelberger
Abstract要約: 電子的に補助された天文学は、直接観測によって見えないであろう天体の視界を表示するために、望遠鏡にデジタルカメラを結合して深宇宙画像を取得することで構成される。このプラクティスは大量のデータを生成し、観察セッション後に専用の画像編集ソフトウェアで拡張することができる。本研究では,画像品質評価が天文学的画像の自動評価にどのように役立つかを示すとともに,自動機械学習を用いて専用モデルを開発する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Electronically Assisted Astronomy consists in capturing deep sky images with a digital camera coupled to a telescope to display views of celestial objects that would have been invisible through direct observation. This practice generates a large quantity of data, which may then be enhanced with dedicated image editing software after observation sessions. In this study, we show how Image Quality Assessment can be useful for automatically rating astronomical images, and we also develop a dedicated model by using Automated Machine Learning.
Abstract（参考訳）: 電子支援天文学は、直接観測によって見えない天体の視界を表示するために、デジタルカメラと望遠鏡を結合した深空画像を撮影する。このプラクティスは大量のデータを生成し、観察セッション後に専用の画像編集ソフトウェアで拡張することができる。本研究では,画像品質評価が天文画像の自動評価にどのように役立つかを示すとともに,自動機械学習を用いて専用モデルを開発する。

関連論文リスト

AstroSpy: On detecting Fake Images in Astronomy via Joint Image-Spectral Representations [31.75799061059914]
AI生成画像の普及により、天文学的画像の真正性に対する懸念が高まっている。本稿では、スペクトル特徴と画像特徴を統合したハイブリッドモデルAstroSpyについて述べる。
論文参考訳（メタデータ） (2024-07-09T12:49:44Z)
Image Restoration with Point Spread Function Regularization and Active Learning [5.575847437953924]
大規模な天文学的な調査では、銀河や星雲を含む多数の天体の画像を捉えることができる。様々なノイズレベルと点拡散関数は、これらの画像から情報抽出の精度と効率を損なう。深層学習に基づく復元アルゴリズムと高忠実度望遠鏡シミュレータを接続する新しい画像復元アルゴリズムを提案する。
論文参考訳（メタデータ） (2023-10-31T23:16:26Z)
Robustar: Interactive Toolbox Supporting Precise Data Annotation for Robust Vision Learning [53.900911121695536]
ソフトウェアRobustarの初期リリースを紹介します。それは、データ駆動の観点から視覚分類機械学習モデルの堅牢性を改善することを目的としている。
論文参考訳（メタデータ） (2022-07-18T21:12:28Z)
Automatic Image Content Extraction: Operationalizing Machine Learning in Humanistic Photographic Studies of Large Visual Archives [81.88384269259706]
本稿では,機械学習による大規模画像アーカイブの検索と解析のための自動画像コンテンツ抽出フレームワークを提案する。提案する枠組みは、人文科学と社会科学のいくつかの分野に適用できる。
論文参考訳（メタデータ） (2022-04-05T12:19:24Z)
A Quality Index Metric and Method for Online Self-Assessment of Autonomous Vehicles Sensory Perception [164.93739293097605]
本稿では,検出品質指標(DQI)と呼ばれる新しい評価指標を提案し,カメラを用いた物体検出アルゴリズムの性能を評価する。我々は,提案したDQI評価指標を予測するために,原画像画素とスーパーピクセルを入力として利用するスーパーピクセルベースのアテンションネットワーク(SPA-NET)を開発した。
論文参考訳（メタデータ） (2022-03-04T22:16:50Z)
Attention Mechanisms in Computer Vision: A Survey [75.6074182122423]
本稿では,コンピュータビジョンにおける様々な注意機構について概観する。チャネルアテンション,空間アテンション,時間アテンション,分岐アテンションなど,アプローチによって分類する。我々は注意機構研究の今後の方向性を提案する。
論文参考訳（メタデータ） (2021-11-15T09:18:40Z)
Self-Supervised Steering Angle Prediction for Vehicle Control Using Visual Odometry [55.11913183006984]
視覚オドメトリー法を用いて推定したカメラポーズを用いて,車両の軌道制御をモデルに訓練する方法を示す。車両の前方にカメラを設置することにより,複数の異なる走行経路からの軌跡情報を活用するスケーラブルなフレームワークを提案する。
論文参考訳（メタデータ） (2021-03-20T16:29:01Z)
Self-Supervised Representation Learning for Astronomical Images [1.0499611180329804]
自己教師付き学習は,意味的に有用なスカイサーベイ画像の表現を復元する。本手法は,教師付きモデルの2-4倍のラベルをトレーニングに使用しながら,精度を向上できることを示す。
論文参考訳（メタデータ） (2020-12-24T03:25:36Z)
Detection of asteroid trails in Hubble Space Telescope images using Deep Learning [0.0]
本稿では,ハッブル宇宙望遠鏡で撮影した単一露光写真における小惑星軌道の画像認識へのDeep Learningの適用について述べる。多層深層畳み込みニューラルネットワークに基づくアルゴリズムを用いて、検証セット上で80%以上の精度を報告する。
論文参考訳（メタデータ） (2020-10-29T09:03:18Z)
Neural Ray Surfaces for Self-Supervised Learning of Depth and Ego-motion [51.19260542887099]
カメラモデルの事前知識を必要とせずに、自己超越を用いて正確な深度とエゴモーション推定を学習できることが示される。 Grossberg と Nayar の幾何学モデルにインスパイアされた我々は、ピクセルワイド射影線を表す畳み込みネットワークである Neural Ray Surfaces (NRS) を導入する。本研究では,多種多様なカメラシステムを用いて得られた生ビデオから,視覚計測の自己教師付き学習と深度推定にNRSを用いることを実証する。
論文参考訳（メタデータ） (2020-08-15T02:29:13Z)
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。