近日,太原理工大学智能光学成像实验室贾鹏教授团队在天文学期刊《Astronomical Journal》(AJ)上发表了题为《Adaptive Detection of Fast Moving Celestial Objects Using a Mixture of Experts and Physical-Inspired Neural Network》的研究论文。该研究提出了一种创新的自适应快速移动天体检测方法,为天文目标的智能化检测提供了新的技术思路。
研究背景
在天文目标的检测中,传统的方法基于信号处理和图像处理,依赖于目标的形态学信息和手工设计特征提取算法。随着机器学习和端到端目标检测技术的发展,基于深度学习的天文目标检测展现出巨大潜力,但是依赖于图像形态特征受限于训练数据集,针对不同形态的目标往往需要不同的检测策略。特别是真实数据获取成本高、标注难度大,模型性能受到严重制约,难以适应多样化的观测场景。因此需要一种自适应的快速移动天体检测方法。
核心技术
(1) 设计用于快速移动天体检测的物理启发式神经网络,将点扩散函数(PSF)和表示观测模式的向量整合到目标检测网络中。
(2) 设计基于混合专家模型的整体检测框架,融合不同的检测网络的优势,提升网络性能。
检测结果
为了评估模型的性能,团队在用Skymaker生成的模拟数据和真实数据上分别进行了验证,并分别分析了在不同观测场景下的检测结果。如下图所示:
图1 模拟数据检测结果
图2 不同天光背景下的检测结果
图3 不同相对速度下的检测结果
图4 实测数据检测结果
检测结果表明该方法在模拟数据和实测数据上均有良好的检测性能,在各种观测条件下具有很强的适应性和较高的检测精度,充分验证了其在天文实际观测任务中的应用潜力。
未来,团队将进一步优化算法,提升算法在更广泛天文成像场景中的通用性和准确性,为空间目标检测提供新的技术路径。
论文解读内容由太原理工大学李格同学完成,相关视频链接:https://www.bilibili.com/video/BV1KbGbzgEqT/?share_source=copy_web
本研究由贾鹏教授指导,主要由组内的李格同学完成。李格同学2022年本科毕业于太原理工大学,自2022年起加入智能光学成像实验室,参与小组内目标检测相关研究。