Detecting interstellar bubbles in images using CNNs

Abstract

Αστέρες που βρίσκονται στο πρώιμο στάδιο εξέλιξης τους δημιουργούν φυσαλίδες αστρικών ανέμων με συχνά ακανόνιστα σχήματα, με αποτέλεσμα η ανίχνευσή τους να είναι χρονοβόρα και επιρρεπής σε ανθρώπινη μεροληψία. Σε αυτή την εργασία παρουσιάζουμε έναν αλγόριθμο για τη δημιουργία και εκπαίδευση ενός Συνελικτικού Νευρωνικού Δικτύου (ΣΝΔ) που εντοπίζει αυτά τα αστρικά αντικείμενα που οι αστρονόμοι ορίζουν ως Κοσμικές Φυσαλίδες, χρησιμοποιώντας αναγνώριση εικόνας. Οι φυσαλίδες αυτές έχουν αποτελέσει εδώ και καιρό αντικείμενο έρευνας καθώς έχουν παρατηρηθεί να δρουν ως περιβάλλον που φιλοξενεί σχηματισμούς νέων αστέρων αλλά και επειδή είναι οπτικά διακριτές. Οι πρόσφατες εξελίξεις στη βαθιά μάθηση, ιδιαίτερα στα ΣΝΔ, έχουν ευνοήσει μια πιο αυτοματοποιημένη προσέγγιση για την ανίχνευση αυτών των δομών με βελτιωμένη αποτελεσματικότητα και ακρίβεια. Στη παρούσα εργασία παρουσιάζουμε ένα μοντέλο ΣΝΔ με αρχιτεκτονική υπολειπόμενου U-Net νευρωνικού δικτύου, εκπαιδευμένο με βάση τα δεδομένα του Milky Way Project από το τηλεσκόπιο Spitzer, πετυχαίνοντας ανίχνευση φυσαλίδων με ακρίβεια 91% και ψευδοθετικό ποσοστό σχεδόν 1%, ενώ εξάγει την τοποθεσία και τις σχηματικές παραμέτρους τους.