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

要約

Wide-field Infrared Survey Explorer (WISE) は、空全体で何億もの発生源を検出しました。
ただし、WISE 多色空間の縮退と、その 2 つの最長波長バンドパスの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す。
この論文では、深層学習分類ネットワークである IICnet (赤外線画像分類ネットワーク) は、より正確な分類目標を達成するために WISE 画像からソースを分類するように設計されています。
IICnet は WISE ソースの特徴抽出に優れた能力を示します。
実験により、IICnet の分類結果が他のいくつかの方法よりも優れていることが実証されました。
銀河については 96.2%、クエーサーについては 97.9%、恒星については 96.4% の精度が得られ、IICnet 分類器の曲線下面積 (AUC) は 99% 以上に達します。
さらに、赤外線画像の処理における IICnet の優位性は、VGG16、GoogleNet、ResNet34、MobileNet、EfficientNetV2、および RepVGG との比較で実証されており、パラメーターが少なく、推論が高速です。
上記は、IICnet が赤外線源を分類する効果的な方法であることを証明しています。

要約(オリジナル)

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.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google