Classificação Morfológica de Galáxias Por Meio de Redes Neurais

• Matheus Silva Universidade Federal do Mato Grosso
• Thiago Ventura Universidade Federal de Mato Grosso

DOI: https://doi.org/10.5753/eri-mt.2019.8590

Resumo

Esse artigo propõe o desenvolvimento de uma rede neural convolucional para a classificação morfológica de galáxias por meio de imagens ópticas, classificando-as em seis classes distintas baseadas no modelo do Hubble Tuning Fork. Com o objetivo de automatizar a identificação e separação do imenso volume de dados gerados nos observatórios astronômicos recentes, são utilizadas técnicas de deep learning e data augmentation para gerar um aumento da variação dos dados e consequentemente melhorar a precisão da rede. O modelo criado obteve uma precisão média de 88%.

Referências

Bell, C., Hey, T., and Szalay, A. (2009). Beyond the data deluge (computer science). Science (New York, N.Y.), 323: 1297-8.

den Bergh, V. (1998). Galaxy Morphology and Classification. University of Victoria, British Columbia.

Hubble, E. P. (1926). Extragalactic nebulae. Astrophysical Journal.

Kaggle (2014). Galaxy zoo-the galaxy challenge. https://www.kaggle.com/c/galaxyzoo-the-galaxy-challenge. Acessado: 2019-09-16.

Lintott, Schawinski, B. S. L. T. E. M. R. C. N. M. J. R. A. S. D. A. P. M. J. V. (2010). Galaxy zoo 1: data release of morphological classifications for nearly 900 000 galaxies. Monthly Notices of the Royal Astronomical Society, 410: 166-178.

Lintott, C. J., Schawinski, K., Slosar, A., Land, K., Bamford, S., Thomas, D., Raddick, M. J., Nichol, R. C., Szalay, A., Andreescu, D., Murray, P., and Vandenberg, J. (2008). Galaxy Zoo: morphologies derived from visual inspection of galaxies from the Sloan Digital Sky Survey. Monthly Notices of the Royal Astronomical Society, 389: 1179-1189.

O. Lahav, A. Nairn, L. S. M. C. S.-L. (1996). Neural computation as a tool for galaxy classification: methods and examples. Monthly Notices of the Royal Astronomical Society, 283: 207-221.

Perez, L. and Wang, J. (2017). The effectiveness of data augmentation in image classification using deep learning. CoRR, abs/1712.04621.

Wu, C., Wong, O. I., Rudnick, L., Shabala, S. S., Alger, M. J., Banfield, J. K., Ong, C. S., White, S. V., Garon, A. F., Norris, R. P., Andernach, H., Tate, J., Lukic, V., Tang, H., Schawinski, K., and Diakogiannis, F. I. (2018). Radio Galaxy Zoo: Claran-a deep learning classifier for radio morphologies. Monthly Notices of the Royal Astronomical Society, 482 (1): 1211-1230.

Zhu, X.-P., Dai, J.-M., Bian, C.-J., Chen, Y., Chen, S., and Hu, C. (2019). Galaxy morphology classification with deep convolutional neural networks. Astrophysics and Space Science, 364 (4): 55.