Scientific Preparation for CSST: Classification of Galaxy and Nebula/Star Cluster Based on Deep Learning

要約

中国宇宙ステーション望遠鏡 (略称 CSST) は、将来の先進的な宇宙望遠鏡です。
銀河および星雲/星団 (NSC と略称) 画像のリアルタイム識別は、CSST 調査中に非常に価値があります。
天体認識に関する最近の研究は進歩していますが、高解像度の局所的な天体画像を迅速かつ効率的に識別することは依然として課題です。
本研究では、ハッブル宇宙望遠鏡のデータに基づくディープラーニング手法を用いて、銀河とNSCの画像分類研究を実施しました。
私たちはローカル天体画像データセットを構築し、銀河と NSC の画像を分類するための HR-CelestialNet という深層学習モデルを設計しました。
HR-CelestialNet は、テスト セットで 89.09% の精度を達成し、AlexNet、VGGNet、ResNet などのモデルを上回り、より高速な認識速度を実証しました。
さらに、CSST の画質に影響を与える要因を調査し、ぼやけた画像データセットに対する HR-CelestialNet の汎化能力を評価し、低画質に対する堅牢性を実証しました。
提案された方法により、CSST 調査ミッション中に天体画像をリアルタイムで識別できるようになります。

要約(オリジナル)

The Chinese Space Station Telescope (abbreviated as CSST) is a future advanced space telescope. Real-time identification of galaxy and nebula/star cluster (abbreviated as NSC) images is of great value during CSST survey. While recent research on celestial object recognition has progressed, the rapid and efficient identification of high-resolution local celestial images remains challenging. In this study, we conducted galaxy and NSC image classification research using deep learning methods based on data from the Hubble Space Telescope. We built a Local Celestial Image Dataset and designed a deep learning model named HR-CelestialNet for classifying images of the galaxy and NSC. HR-CelestialNet achieved an accuracy of 89.09% on the testing set, outperforming models such as AlexNet, VGGNet and ResNet, while demonstrating faster recognition speeds. Furthermore, we investigated the factors influencing CSST image quality and evaluated the generalization ability of HR-CelestialNet on the blurry image dataset, demonstrating its robustness to low image quality. The proposed method can enable real-time identification of celestial images during CSST survey mission.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google