論文の概要: SPACE-SUIT: An Artificial Intelligence based chromospheric feature extractor and classifier for SUIT

• arxiv url: http://arxiv.org/abs/2412.08589v1
• Date: Wed, 11 Dec 2024 18:08:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-12 14:03:09.273548
• Title: SPACE-SUIT: An Artificial Intelligence based chromospheric feature extractor and classifier for SUIT
• Title（参考訳）: SPACE-SUIT:SUITのための人工知能に基づく色圏特徴抽出器と分類器
• Authors: Pranava Seth, Vishal Upendran, Megha Anand, Janmejoy Sarkar, Soumya Roy, Priyadarshan Chaki, Pratyay Chowdhury, Borishan Ghosh, Durgesh Tripathi,
• Abstract要約: 本研究では,SPACE-SUIT: Solar Phenomena Analysis and Classificationを開発した。 SUITのMg II kフィルタから観測される太陽色圏の特徴を検出し、分類する。 SPACE は SUIT FITS データセットの精度 0.788, 0.863, MAP 0.874 を達成する。
• 参考スコア（独自算出の注目度）: 0.22470290096767004
• License:
• Abstract: The Solar Ultraviolet Imaging Telescope(SUIT) onboard Aditya-L1 is an imager that observes the solar photosphere and chromosphere through observations in the wavelength range of 200-400 nm. A comprehensive understanding of the plasma and thermodynamic properties of chromospheric and photospheric morphological structures requires a large sample statistical study, necessitating the development of automatic feature detection methods. To this end, we develop the feature detection algorithm SPACE-SUIT: Solar Phenomena Analysis and Classification using Enhanced vision techniques for SUIT, to detect and classify the solar chromospheric features to be observed from SUIT's Mg II k filter. Specifically, we target plage regions, sunspots, filaments, and off-limb structures. SPACE uses You Only Look Once(YOLO), a neural network-based model to identify regions of interest. We train and validate SPACE using mock-SUIT images developed from Interface Region Imaging Spectrometer(IRIS) full-disk mosaic images in Mg II k line, while we also perform detection on Level-1 SUIT data. SPACE achieves an approximate precision of 0.788, recall 0.863 and MAP of 0.874 on the validation mock SUIT FITS dataset. Given the manual labeling of our dataset, we perform "self-validation" by applying statistical measures and Tamura features on the ground truth and predicted bounding boxes. We find the distributions of entropy, contrast, dissimilarity, and energy to show differences in the features. These differences are qualitatively captured by the detected regions predicted by SPACE and validated with the observed SUIT images, even in the absence of labeled ground truth. This work not only develops a chromospheric feature extractor but also demonstrates the effectiveness of statistical metrics and Tamura features for distinguishing chromospheric features, offering independent validation for future detection schemes.
• Abstract（参考訳）: 太陽紫外線イメージング望遠鏡(Solar Ultraviolet Imaging Telescope (SUIT) onboard Aditya-L1)は、200-400nmの波長範囲での観測を通して太陽の光球と色圏を観測する撮像器である。 色圏および光圏形態構造のプラズマ及び熱力学的性質の包括的理解には、自動特徴検出法の開発を必要とする大規模なサンプル統計研究が必要である。 そこで我々は,SUIT の Mg II k フィルタから観測される太陽色圏の特徴を検出・分類するために,SUIT の高次視覚技術を用いた太陽現象解析・分類法 SPACE-SUIT を開発した。 具体的には、プラージュ地域、太陽黒点、フィラメント、およびオフクライブ構造を対象とします。 SPACEは、関心のある領域を特定するニューラルネットワークベースのモデルであるYou Only Look Once(YOLO)を使用している。 Mg II k ラインのフルディスクモザイク画像から開発したモックSUIT画像を用いて SPACE のトレーニングと検証を行い,レベル1 SUIT データの検出を行う。 SPACE は SUIT FITS データセットの精度 0.788, 0.863, MAP 0.874 を達成する。 データセットを手動でラベル付けすることで,統計的測度と田村特徴を具体的真実と予測有界箱に適用し,自己検証を行う。 エントロピー、コントラスト、相似性、エネルギーの分布は特徴の違いを示す。 これらの差はSPACEによって予測された検出された領域によって定性的に捉えられ、ラベル付き地下真実がなくても観察されたSUIT画像で検証される。 本研究は, 色圏特徴抽出器の開発だけでなく, 色圏特徴を識別するための統計指標と田村特徴の有効性を実証し, 将来的な検出方式の独立性検証を行う。

関連論文リスト

• Prediction of soil fertility parameters using USB-microscope imagery and portable X-ray fluorescence spectrometry [3.431158134976364]
  本研究では, 可搬型蛍光X線分析法と土壌画像解析による土壌の高速肥育性評価について検討した。 インド東部の多様な農業気候帯から採取した1,133個の土壌サンプルを分析した。
  論文  参考訳（メタデータ） (2024-04-17T17:57:20Z)
• Selection of gamma events from IACT images with deep learning methods [0.0]
  ガンマ線観測衛星TAIGAの大気チェレンコフ望遠鏡(IACT)によるエキシビティブ・エア・ショウア(EAS)の検出 ハドロン宇宙線背景からガンマ線画像を分離する能力は、この種の検出器の主な特徴の1つである。 実際のIACT観測では、背景とガンマ線源の同時観測が必要である。 この観察モード(ウォブリングと呼ばれる)は、ニューラルネットワークによる選択の質に影響を与えるイベントの画像を変更する。
  論文  参考訳（メタデータ） (2024-01-30T13:07:24Z)
• Object Detection in Hyperspectral Image via Unified Spectral-Spatial Feature Aggregation [55.9217962930169]
  S2ADetは、高スペクトル画像に固有の豊富なスペクトル情報と空間補完情報を利用する物体検出器である。 S2ADetは既存の最先端メソッドを超え、堅牢で信頼性の高い結果を達成する。
  論文  参考訳（メタデータ） (2023-06-14T09:01:50Z)
• Photo-zSNthesis: Converting Type Ia Supernova Lightcurves to Redshift Estimates via Deep Learning [0.0]
  光-zSNthesisは、完全な赤方偏移確率分布を予測する畳み込みニューラルネットワークに基づく手法である。 PLAsTiCCシミュレーションでは予測バイアスデルタz>が61倍改善し,SDSSデータでは5倍改善した。
  論文  参考訳（メタデータ） (2023-05-19T17:59:00Z)
• Evaluation of the potential of Near Infrared Hyperspectral Imaging for monitoring the invasive brown marmorated stink bug [53.682955739083056]
  BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。 本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
  論文  参考訳（メタデータ） (2023-01-19T11:37:20Z)
• Spatially-resolved Thermometry from Line-of-Sight Emission Spectroscopy via Machine Learning [2.449329947677678]
  本研究の目的は, 温度分布測定におけるデータ駆動モデルの利用について検討することである。 i)特徴工学と古典的機械学習アルゴリズム、(ii)エンドツーエンド畳み込みニューラルネットワーク(CNN)の2つのカテゴリが分析されている。 本手法は, ガス混合ガス中の種濃度分布が未知であっても, 低分解能スペクトルから不均一な温度分布を測定することができる。
  論文  参考訳（メタデータ） (2022-12-15T13:46:15Z)
• Deep Learning Models of the Discrete Component of the Galactic Interstellar Gamma-Ray Emission [61.26321023273399]
  H2星間ガス中の小さな(あるいは離散的な)構造からの重要な点状成分がフェルミ・LATデータに存在する可能性がある。 深層学習は、これらの稀なH2プロキシによって追跡されるガンマ線放射を、データ豊富な領域において統計的に有意な範囲でモデル化するために効果的に利用される可能性がある。
  論文  参考訳（メタデータ） (2022-06-06T18:00:07Z)
• Tracking perovskite crystallization via deep learning-based feature detection on 2D X-ray scattering data [137.47124933818066]
  本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。 有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
  論文  参考訳（メタデータ） (2022-02-22T15:39:00Z)
• A Multi-Stage model based on YOLOv3 for defect detection in PV panels based on IR and Visible Imaging by Unmanned Aerial Vehicle [65.99880594435643]
  本研究では,無人航空機が捉えた空中画像のパネル欠陥を検出するための新しいモデルを提案する。 このモデルは、パネルと欠陥の検出を組み合わせることで、精度を向上する。 提案モデルはイタリア南部の2つの大きなPVプラントで検証されている。
  論文  参考訳（メタデータ） (2021-11-23T08:04:32Z)
• Realistic galaxy image simulation via score-based generative models [0.0]
  本研究では,銀河の観測を模倣した現実的かつ偽のイメージを生成するために,スコアベースの生成モデルが利用できることを示す。 主観的には、生成された銀河は実際のデータセットのサンプルと比較すると非常に現実的である。
  論文  参考訳（メタデータ） (2021-11-02T16:27:08Z)
• Exploring Thermal Images for Object Detection in Underexposure Regions for Autonomous Driving [67.69430435482127]
  アンダーエクスポージャー地域は、安全な自動運転のための周囲の完全な認識を構築するのに不可欠である。 サーマルカメラが利用可能になったことで、他の光学センサーが解釈可能な信号を捉えていない地域を探索するための重要な代替手段となった。 本研究は,可視光画像から熱画像へ学習を伝達するためのスタイル伝達手法を用いたドメイン適応フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-01T09:59:09Z)

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。