天体物理学 > 星系的天体物理学
[提交于 2025年7月10日
]
标题: 使用半监督深度学习检测DESI遗产成像巡天中的星系环
标题: Detecting Galactic Rings in the DESI Legacy Imaging Surveys with Semi-Supervised Deep Learning
摘要: 盘状星系的环状结构对于理解星系演化和动力学至关重要。 然而,由于环状星系数量稀少且识别存在挑战,传统方法往往难以高效获得统计上显著的样本。 为了解决这个问题,本研究采用了一种新颖的半监督深度学习模型GC-SWGAN,旨在从DESI遗产成像调查的高分辨率图像中识别星系环。 我们从南方环状星系目录(CSRG)和GZ2目录中的北方环状星系(GZ2-CNRG)中选择了超过5,000个经形态学专家R. J. Buta验证的环状星系,以创建一个带注释的训练集。 此外,我们还从Galaxy Zoo 2数据集中纳入了严格选择的非环状星系样本,并利用DESI遗产调查的未标记数据来训练我们的模型。 通过半监督学习,该模型显著减少了对大量标注数据的依赖,同时提高了鲁棒性和泛化能力。 在测试集上,它在识别环状星系方面表现出色。 在概率阈值为0.5的情况下,分类准确率达到97%,环状星系的精确率和召回率分别为94%和93%。 基于这些结果,我们预测了DESI遗产成像调查中r波段视亮度小于17.0且红移范围在0.0005 < z < 0.25的750,000张星系图像,编制了目前最大的环状星系目录,包含62,962个具有环状结构的星系。 该目录为后续研究星系环的形成机制和演化历史提供了关键数据。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.