基于深度学习的低面亮度星系的自动搜寻方法研究

目录

声明

摘要

第1章绪论

1．1引言

1．2研究背景和意义

1．2．1海量的天文数据

1．2．2低面亮度星系

1．3研究现状

1．4论文的主要工作和结构安排

第2章相关理论概述

2．1卷积神经网络

2．1．1卷积神经网络的结构

2．1．2卷积、池化、激活函数和全连接介绍

2．1．3常见的卷积神经网络

2．1．4ResNet网络模型

2．2深度学习目标检测算法

2．2．1两阶段目标检测框架

2．2．2一阶段目标检测框架

2．3星系的基本观测性质

2．3．1星系的形态

2．3．2星系的星等

2．3．3星系的面亮度

2．4低面亮度星系的判别

2．5本章小结

第3章实验数据与预处理

3．1SDSS 巡天图像

3．2数据集制作

3．2．1低面亮度星系样本

3．2．2数据的标注

3．3数据预处理

3．4数据增强与训练集划分

3．5本章小结

第4章LSBG-AD模型与结果

4．1LSBG-AD模型结构

4．2LSBG-AD的训练过程

4．3LSBG-AD的搜寻策略

4．4模型搜寻时的P值分布

4．5模型的搜寻结果与候选体分析

4．6．1评们标准

4．6．2与通用目标检测网络对比

4．6．3与传统天文方法对比

4．7本章小结

第5章工作总结与展望

5．1工作总结

5．2展望

参考文献

致谢

攻读学位期间发表的学术成果和参加的科研项目

学位论文评阅及答辩情况表