PulseAugur
中
实时 20:45:43
English(EN) Trajectory-Agnostic Asteroid Detection in TESS with Deep Learning

深度学习W-Net在TESS数据中检测小行星

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为W-Net的新型深度学习方法，该方法利用两个堆叠的3D U-Net来检测TESS图像数据中的小行星。与传统的移位和堆叠算法不同，这种方法对小行星的速度和方向变化具有鲁棒性，并包含一种新颖的自适应归一化技术用于数据缩放。该团队还发布了用于生成带有小行星掩码的TESS训练数据的代码，以帮助科学界，并可能应用于未来的任务，如Nancy Grace Roman Space Telescope。 AI

影响 通过提高小行星探测的效率和鲁棒性，增强了天文观测能力。

排序理由 详细介绍一种用于科学应用的新型深度学习方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

深度学习W-Net在TESS数据中检测小行星

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Jordan Caraballo-Vega ·

    Trajectory-Agnostic Asteroid Detection in TESS with Deep Learning

    We present a novel method for extracting moving objects from TESS data using machine learning. Our approach uses two stacked 3D U-Nets with skip connections, which we call a W-Net, to filter background and identify pixels containing moving objects in TESS image time-series data. …

相关话题