一种基于卷积神经网络的暗弱天体搜寻方法

    公开(公告)号:CN117935236B

    公开(公告)日:2024-07-30

    申请号:CN202410096331.3

    申请日:2024-01-23

    摘要: 本发明公开了一种基于卷积神经网络的暗弱天体搜寻方法,涉及暗弱天体识别技术领域,步骤如下:S1、将预处理后的天文图像作为数据集,训练得到卷积神经网络模型,生成最优的模型参数;S1.1、构建基于天文图像的数据集;S1.2、卷积神经网络模型的搭建,建立MDyhead‑YOLO模型;S1.3、基于S1.1获得的数据集进行卷积神经网络模型训练,生成最优的MDyhead‑YOLO模型参数;S2、将训练所得模型用于天文图像中的目标检测任务。本发明采用上述步骤的一种基于卷积神经网络的暗弱天体搜寻方法,将预处理后的天文图像作为数据集用来训练模型,然后将训练所得模型用于天文图像中的目标检测任务,专门应用于处理天文观测图像中暗弱天体的识别,具有漏检率低、误检率低的优点。

    一种基于卷积神经网络的暗弱天体搜寻方法

    公开(公告)号:CN117935236A

    公开(公告)日:2024-04-26

    申请号:CN202410096331.3

    申请日:2024-01-23

    摘要: 本发明公开了一种基于卷积神经网络的暗弱天体搜寻方法,涉及暗弱天体识别技术领域,步骤如下:S1、将预处理后的天文图像作为数据集,训练得到卷积神经网络模型,生成最优的模型参数;S1.1、构建基于天文图像的数据集;S1.2、卷积神经网络模型的搭建,建立MDyhead‑YOLO模型;S1.3、基于S1.1获得的数据集进行卷积神经网络模型训练,生成最优的MDyhead‑YOLO模型参数;S2、将训练所得模型用于天文图像中的目标检测任务。本发明采用上述步骤的一种基于卷积神经网络的暗弱天体搜寻方法,将预处理后的天文图像作为数据集用来训练模型,然后将训练所得模型用于天文图像中的目标检测任务,专门应用于处理天文观测图像中暗弱天体的识别,具有漏检率低、误检率低的优点。