Adaptive Detection of Fast Moving Celestial Objects Using a Mixture of Experts and Physical-Inspired Neural Network

要約

速く動く天体のオブジェクトは、背景星の動きとは大きく異なる天体球全体の速度によって特徴付けられます。
観察画像では、これらのオブジェクトは明確な形状を示し、星の典型的な外観とは対照的です。
採用されている観測方法に応じて、これらの天体は、地球近くのオブジェクトまたは小惑星として指定される場合があります。
歴史的に、星と地球の相対的な安定性が、従来の速い天体の検出と分類アルゴリズムとともに、星と地球の相対的な安定性が効果的な画像違い技術を促進する地上伸縮を使用して、速く動く天体のオブジェクトが観察されてきました。
ただし、宇宙ベースの望遠鏡の拡大は、多様な観測モードとともに、異なる特性を持つ画像を生成し、従来の方法を効果的にしません。
このホワイトペーパーでは、星フィールド内の速く移動する天体物体を検出するための新しいアルゴリズムを紹介します。
私たちのアプローチは、物理的なニューラルネットワークに変換することにより、最先端の高速移動の天体オブジェクト検出ニューラルネットワークを強化します。
これらのニューラルネットワークは、望遠鏡のポイントスプレッド関数と特定の観測モードを事前の情報として活用します。
彼らは、追加のトレーニングを必要とせずに、星のフィールド内の動いている速い天のオブジェクトを直接識別することができ、それによって従来の技術の制限に対処することができます。
さらに、すべてのニューラルネットワークは、専門家の技術の混合を使用して統合され、包括的な速い移動する天体オブジェクト検出アルゴリズムを形成します。
宇宙ベースの望遠鏡シナリオと実際の観測画像によって実行されるさまざまな観測を模倣するシミュレートされた観測データを使用して、アルゴリズムを評価しました。
結果は、私たちの方法が異なる観測モードで速く移動する天のオブジェクトを効果的に検出することを示しています。

要約(オリジナル)

Fast moving celestial objects are characterized by velocities across the celestial sphere that significantly differ from the motions of background stars. In observational images, these objects exhibit distinct shapes, contrasting with the typical appearances of stars. Depending on the observational method employed, these celestial entities may be designated as near-Earth objects or asteroids. Historically, fast moving celestial objects have been observed using ground-based telescopes, where the relative stability of stars and Earth facilitated effective image differencing techniques alongside traditional fast moving celestial object detection and classification algorithms. However, the growing prevalence of space-based telescopes, along with their diverse observational modes, produces images with different properties, rendering conventional methods less effective. This paper presents a novel algorithm for detecting fast moving celestial objects within star fields. Our approach enhances state-of-the-art fast moving celestial object detection neural networks by transforming them into physical-inspired neural networks. These neural networks leverage the point spread function of the telescope and the specific observational mode as prior information; they can directly identify moving fast moving celestial objects within star fields without requiring additional training, thereby addressing the limitations of traditional techniques. Additionally, all neural networks are integrated using the mixture of experts technique, forming a comprehensive fast moving celestial object detection algorithm. We have evaluated our algorithm using simulated observational data that mimics various observations carried out by space based telescope scenarios and real observation images. Results demonstrate that our method effectively detects fast moving celestial objects across different observational modes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google