基于残差神经网络的恒星-星系分类器

作     者：杨阳 文中略 夏俊卿 YANG Yang;WEN Zhonglue;XIA Junqing

作者机构：北京师范大学天文系北京100875 中国科学院国家天文台北京100101 

出 版 物：《北京师范大学学报（自然科学版）》 (Journal of Beijing Normal University(Natural Science))

年 卷 期：2021年第57卷第4期

页      面：450-457页

核心收录：

学科分类：07[理学] 070401[理学-天体物理] 0704[理学-天文学] 

基　　金：国家自然科学基金-天文联合基金重点资助项目(U1931202)。 

主　　题：巡天 深度学习 分类 恒星 星系 

摘      要：使用残差神经网络(residual neural network,RNN)算法对斯隆数字巡天(Sloan digital sky survey,SDSS)提供的天体伪彩色图片进行分类,直接从图像中获得特征.使用带有光谱信息的星系与恒星图片作为训练集和测试集.经过训练,在测试集上的准确率达到98.23%,召回率达到98.80%.这表明:RNN可以实现对星系和恒星图像的精确分类,分类器给出的恒星-星系概率是有效的,可用于分类可靠度评估;还可以尝试将此分类器应用到未来巡天中,进一步测试其性能.