射电星系检测与表征的深度学习技术

摘要

未来射电望远镜将产生用传统统计方法难以分析的数据量，促使采用机器学习技术。本文提出YOLO-Chars，一个两阶段深度学习框架，用于自动检测和表征射电星系。第一阶段使用定制的YOLO多尺度检测模型定位致密和延展源；第二阶段通过专用网络估计源的物理属性，包括流量密度、角尺寸和位置角。在SKA SDC1数据集上评估，YOLO-Chars达到有竞争力的性能，展现了作为下一代射电巡天可扩展框架的潜力。