Fugu-MT 論文翻訳(概要): An Extended Evaluation Split for DeepSpaceYoloDataset

論文の概要: An Extended Evaluation Split for DeepSpaceYoloDataset

arxiv url: http://arxiv.org/abs/2604.27593v1
Date: Thu, 30 Apr 2026 08:43:35 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-01 16:31:54.0014
Title: An Extended Evaluation Split for DeepSpaceYoloDataset
Title（参考訳）: DeepSpaceYoloDatasetのための拡張評価分割
Authors: Olivier Parisot,
Abstract要約: DeepSpaceYoloDatasetは、Deep Sky Objectsを検出するためのYOLOベースのモデルをトレーニングするために作成された注釈付きイメージのコレクションである。 We present to update to DeepSpaceYoloDataset with a new split, test2026, designed to evaluation model with a greater diversity of image。
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: Recent technological advances in astronomy, particularly the growing popularity of smart telescopes for the general public, make it possible to develop highly effective detection solutions that are accessible to a wide audience, rather than being reserved for major scientific observatories. Published in 2023, DeepSpaceYoloDataset is a collection of annotated images created to train YOLO-based models for detecting Deep Sky Objects, particularly suited for Electronically Assisted Astronomy. In this paper, we present an update to DeepSpaceYoloDataset with the addition of a new split, test2026, designed to evaluate detection models with a greater diversity of images.
Abstract（参考訳）: 近年の天文学の技術的進歩、特に一般大衆のスマート望遠鏡の普及は、主要な科学観測所のために予約されるのではなく、広範囲の観客にアクセスできる高効率な検出ソリューションの開発を可能にしている。 DeepSpaceYoloDataset(ディープスペースヨロデータセット)は、2023年に公開された、ディープスカイオブジェクトを検出するためのYOLOベースのモデルをトレーニングするために作成された注釈付き画像のコレクションである。本稿では,DeepSpaceYoloDatasetに,画像の多様性を向上した検出モデルの評価を目的とした,新しいスプリットであるtest2026を追加して更新する。

関連論文リスト

STAR: A Benchmark for Astronomical Star Fields Super-Resolution [52.895107920663236]
54,738個のフラックス一貫性の星体画像対を含む大規模SRデータセットSTARを提案する。本稿では,Flux-Invariant Super Resolution (FISR)モデルを提案する。
論文参考訳（メタデータ） (2025-07-22T09:28:28Z)
A New Statistical Model of Star Speckles for Learning to Detect and Characterize Exoplanets in Direct Imaging Observations [37.845442465099396]
本稿では,マルチスケールアプローチを用いてニュアンス変動を捉える新しい統計モデルを提案する。これは解釈可能なエンドツーエンドの学習可能なフレームワークに統合され、同時に外惑星の検出とフラックス推定を行う。提案手法は, 計算効率が高く, 各種データ品質に対して頑健であり, 大規模観測調査に適している。
論文参考訳（メタデータ） (2025-03-21T13:07:55Z)
StarWhisper Telescope: An AI framework for automating end-to-end astronomical observations [20.76043220625063]
我々は、Nearby Galaxy Supernovae Surveyのような調査のためのエンドツーエンドの天文観測を自動化するAIエージェントフレームワークであるStarWhisper Telescopeを紹介する。 StarWhisper Telescopeは、自動的にサイト固有の観測リストを生成し、パイプラインを介してリアルタイムの画像解析を実行し、過渡検知時に追従提案を動的にトリガーする。このシステムは、自動観測計画、望遠鏡制御、データ処理を通じて人間の介入を減らすとともに、アマチュアとプロの天文学者のシームレスなコラボレーションを可能にする。
論文参考訳（メタデータ） (2024-12-09T11:40:06Z)
Neural Network Based Approach to Recognition of Meteor Tracks in the Mini-EUSO Telescope Data [44.35048360978502]
ミニEUSO(Mini-EUSO)は、国際宇宙ステーションから地球の夜間大気に紫外線(UV)を登録する広角蛍光望遠鏡である。 2値分類問題の観点から,Mini-EUSOデータにおける流星信号の認識を高精度に行うための2つの単純な人工ニューラルネットワークを提案する。
論文参考訳（メタデータ） (2023-11-25T10:00:49Z)
Radio astronomical images object detection and segmentation: A benchmark on deep learning methods [5.058069142315917]
本研究では,電波干渉計による天体画像に適用した,最も肯定的な深層学習手法の性能について検討し,自動音源検出の課題を解決する。目標は、予測性能と計算効率の観点から既存の技術の概要を、彼らの研究に機械学習を使いたいと考える天体物理学コミュニティの科学者に提供することである。
論文参考訳（メタデータ） (2023-03-08T10:55:24Z)
First Full-Event Reconstruction from Imaging Atmospheric Cherenkov Telescope Real Data with Deep Learning [55.41644538483948]
チェレンコフ望遠鏡アレイは、地上のガンマ線天文学の未来である。地上で作られた最初のプロトタイプ望遠鏡であるLarge Size Telescope 1は現在、最初の科学データを収集している。我々は、深層畳み込みニューラルネットワークに基づくフルイベント再構築の開発とその実データへの適用を初めて提示する。
論文参考訳（メタデータ） (2021-05-31T12:51:42Z)
Object Detection in Aerial Images: A Large-Scale Benchmark and Challenges [124.48654341780431]
航空画像(DOTA)におけるオブジェクトデテクションの大規模データセットとODAIの総合的ベースラインについて述べる。提案するDOTAデータセットは,11,268個の空中画像から収集した18カテゴリのオブジェクト指向ボックスアノテーションの1,793,658個のオブジェクトインスタンスを含む。 70以上の構成を持つ10の最先端アルゴリズムをカバーするベースラインを構築し,各モデルの速度と精度を評価した。
論文参考訳（メタデータ） (2021-02-24T11:20:55Z)
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)
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)

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。