CNN (нейронная сеть) для поиска сверхновой

Я студент-майор в области физики и CS. Одна из моих задач - найти сверхновую. Открытие сверхновой утомительно и жестко. Противоположность картине сейчас и раньше, тогда мы можем найти какое-то яркое пятно на картинке, и это может быть сверхновая. вот так, На изображении много шума, и всегда есть много призрачных пятен из-за нестабильности инструментов или других огней, которые создают иллюзии.CNN (нейронная сеть) для поиска сверхновой

Однако сверхновая имеет некоторые очевидные характеристики, она всегда появляется вокруг неподвижных звезд. Форма света - это круг. и т. д. На этом уже используются некоторые обычные методы. Но у них нет хорошей работы.

Так что я задаюсь вопросом, стоит ли его пытаться на CNN. Какие данные могут иметь CNN?

Спасибо.

источник

2015-10-31 Becky Bai

Я уверен, что вы проанализировали пиксель изображения по пикселям и сравните несколько изображений. –

Итак, вы используете рамку задачи в сценарии классификации изображений? – Saeed

Это очень конкретная задача (и каждая задача отличается), поэтому для этого вопроса будет трудно получить много опыта. Имо это определенно * стоит * делать как CNN, так и более простой алгоритм со стандартными методами обработки изображений. Обычно CNN лучше обнаруживает, чем локализацию, но это то, что не наблюдалось в вашем наборе данных, а цветные картины реального мира - так кто знает наверняка, правда. – runDOSrun

Так что я задаюсь вопросом, стоит ли его пытаться на CNN.

Я думаю, что CNN является излишним для этой проблемы.

Какие данные могут иметь CNN?

Данные со сложными локализованными отношениями в структуре и большим количеством функций. Чтобы узнать представление, вы используете свертку через локальный фрейм.

Проблема у вас очень проста. У вас не так много параметров, т. Е. Цвет оттенков серого, представление сверхновой все содержится в непосредственной близости от ее появления.

Я думаю, что вы, вероятно, имеете гораздо больший успех с некоторым очень простым алгоритмом, такие как:

Найти все неподвижные звезды
поиска любых большие «сгустки» свет с определенными параметрами
поиска для любых кругов света

Только они будут массово уменьшать вычислительный размер проблемы. Оттуда вы можете найти несколько подходов ML.

CNN, как правило, предназначены для очень больших наборов данных с очень сложными нелинейными отношениями. Это (может?) Быть большим набором данных, но это, конечно, не сложно в этой конкретной задаче.

источник

2015-11-02 09:22:50

Я мог ошибаться, но я не думаю, что MNIST держит * это * намного больше сложных отношений, чем его набор данных. Интуитивно я бы не исключал, что CNN это легко, хотя вы также правы, говоря, что это, вероятно, можно решить с помощью простых методов обработки изображений. Вероятно, это зависит от количества шума и дисперсии в его наборе данных. Если он высок, будет сложно поддерживать ручную эвристику. В противном случае простое решение является лучшим. – runDOSrun

Я согласен, но MNIST можно довольно хорошо решить с помощью autoencoder с точностью до 97%. Плюс его данные - просто логистическая регрессия. также подумайте о проблеме в контексте. В физике вам действительно не нужна * каждая сверхновая, поскольку вы уже имеете дело с крошечным подмножеством данных. Недостаток 3% ради двух недель работы более чем приемлем. Если вы хотите дополнительные 3% стоимости сверхновых, вы всегда можете просто получить немного более крупное изображение образца, так как всегда есть больше неба для образца! –

Спасибо за ваш ответ. На самом деле, я получил эту идею из-за нового проекта, поднятого Астрономическим клубом. Он призывает общественность найти сверхновую. Поэтому я считаю, что должны существовать некоторые функции. Так как наш человек может их найти, так и машина. Но обычные методы не могут преуспевать в извлечении функций, я обращаюсь к CNN. Ожидая, что эта сеть может извлечь самую информацию. И мой учитель посоветовал мне подготовить это для моего окончательного проекта класса ml. Я бы хотел попробовать. Можете ли вы дать мне некоторые трюки для этого и ключевые моменты, на которые я должен обратить внимание? –

CNN (нейронная сеть) для поиска сверхновой

ответ

Смежные вопросы