Как мы учили ИИ распознавать скопления галактик

[qbertych]

Спасибо, очень интересно!

Идея любопытная, поэтому не очень верится, что ее опубликовали только в Астрофизическом бюллетене. Может быть кто-то уже делал что-то похожее? Или на это нет спроса в сообществе?

[Sunny_Space]

Здравствуйте! Изначально этот проект был создан для астрофизической школы. Моим научным руководителем был Олег Верходанов, который и является одним из авторов статьи про поиск кандидатов в скопления галактик.
Главная идея нашего проекта заключалась в использовании методов машинного обучения для эффективного поиска скоплений галактик на изображениях, что ранее не применяли в похожих исследованиях.

[ra3vdx]

Нужно застолбить приоритет в Архиве, пока китайцы не.
Идея элегантная)

[DrZlodberg]

А финальные картинки — это результат работы сети? Уж больно интересный визуальный эффект получился на правой. Не соображу сходу, как такое получить просто из изображения.

[Sunny_Space]

Здравствуйте! Результатом работы сети являются не изображения, а коэффициенты (в нашем случае 0,35 и 0,87).
Если коэффициент больше 0,5, на изображении галактики или их скопления. Иначе на изображении отсутствуют интересующие нас объекты.

[DrZlodberg]

А картинка — это то самое ортогональное разложение? Можно где-нибудь почитать, как оно делается? Какие-то мысли изображения навевают, но до конца сообразить не могу. Надо пробовать.

Вообще же тема интересная.

[Sunny_Space]

Информация про то, как работает GLESP здесь: cyberleninka.ru/article/n/paket-analiza-dannyh-glesp-dlya-kart-reliktovogo-izlucheniya-na-polnoy-sfere-i-ego-realizatsiya-v-ramkah-sistemy-obrabotki-fadps и здесь: cyberleninka.ru/article/n/baza-dannyh-kart-protyazhennogo-izlucheniya-i-sistema-dostupa-k-nim.

[roryorangepants]

А почему вы не решали задачу сегментации, раз вам все же нужно находить сами скопления?

[Andronas]

Получается что данный эффект позволяет отличить звезды от галактик и их скоплений на очень больших расстояниях?

[Rb3As]

Это прекрасно.

[yorko]

А как все же вы без учителя определяли, есть ли скопления? Как получали эти коэффициенты?
пс. изображённая на рисунке сеть это не Inception, а сильно более простая сеть типа LeNet.

[phenik]

Судя по схеме на выходе классификация изображений по этому коэффициенту.

[yorko]

Это и так можно в статье прочитать, и смысла в этом как-то не видно. На схеме обыкновенный LeNet для классификации рукописных цифр. Если выборка неразмеченная, то можно что-то интересное придумать только с автокодировщиками или подобными архитектурами, но никак не с той, что представлена.
По сути, детали исследования в статье обфусцированы, как и в большинстве научных статей.

[phenik]

Это был ответ на вопрос, как без учителя)

[Sunny_Space]

Обучали нейросеть мы очень просто: у нас был архив из 6 135 изображений с скоплениями галактик, полученными в результате миссии Planck, и 10 000 изображений без скоплений.

И да, вы правы. Здесь будет более уместна эта схема: habrastorage.org/webt/oo/lp/11/oolp11ghgcxncno4crk9akmfnzw.jpeg

[BingoBongo]

И чем вам для такой относительно несложной задачи edge-detection не угодил?

[roryorangepants]

Тот же вопрос возник. Хотя я бы скорее предложил бинаризировать картинку и дальше найти пятна.
В общем, если смотреть чисто на семплы, которые приведены в статье, то CNN для классификации выглядят как оверкилл.

[Sunny_Space]

Да, вы правы, можно было сделать и так)

[4knowledge]

Можно попробовать использовать Unet + Semi-Supervised

[4knowledge]

Сетка наличие скопления галактик определяет, случайно, не по наличию плотных красных объектов на картинке? А просто удачно подобранный threshold по доли таких областей на картинке не будет ли работать лучше?