基于EfficientNet的星系形态分类研究

作者：艾霖嫔^*; 徐权峰; 杜利婷; 许婷婷; 高献军; 李广平; 周卫红^*

来源：天文学报, 2022, 63(04): 44-51.

DOI：10.15940/j.cnki.0001-5245.2022.04.005

• 方法:数据分析
• 技术:图像处理
• 星系:普通

星系的结构和形态能够反映星系自身的物理性质,其形态的分类是后续分析研究的一个重要环节.EfficientNet模型使用复合系数对深度网络模型的深度、宽度、输入图像分辨率进行更加结构化的统一缩放,是一种新的深度网络优化扩展方法.将该模型应用于星系数据形态的分类研究中,结果表明基于EfficientNetB5模型的平均准确率、精确率、召回率以及F1分数(精确率与召回率的调和平均数)都在96.6%以上,与残差网络(Residual network, ResNet)中ResNet-26模型的分类结果相比有较大的提升.实验结果证明EfficientNet的深度网络优化扩展方法可行且有效,可应用于星系的形态分类.

• 单位
  中国科学院; 云南民族大学; 广州大学