Busca avançada
Ano de início
Entree

Classificação de estrelas, galáxias e quasares baseada em imagens fotométricas multibandas

Processo: 22/11645-1
Modalidade de apoio:Bolsas no Brasil - Iniciação Científica
Data de Início da vigência: 01 de outubro de 2022
Data de Término da vigência: 30 de novembro de 2024
Área de conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Nina Sumiko Tomita Hirata
Beneficiário:Gabriel Jacob Perin
Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
Vinculado ao auxílio:15/22308-2 - Representações intermediárias em Ciência Computacional para descoberta de conhecimento, AP.TEM
Bolsa(s) vinculada(s):23/15047-4 - Fusão de Large Language Models, BE.EP.IC
Assunto(s):Classificação de imagens   Aprendizagem profunda   Processamento de imagens   Redes neurais   Visão computacional   Aprendizado computacional   Objetos astronômicos
Palavra(s)-Chave do Pesquisador:Classificação de Imagens | Deep Learning | Objetos astronômicos | Processamento de imagens | Redes neurais | Visão Computacional | Machine learning

Resumo

O projeto S-PLUS (Southern Photometric Local Universe Survey) está coletando imagens de 12 bandas do céu do hemisfério sul. No contexto deste projeto, há interesse na detecção de quasares e outros tipos de objetos. Em trabalhos anteriores, foram desenvolvidos métodos baseados em aprendizado de máquina para a classificação de três tipos de objetos (estrelas, galáxias e quasares). Um dos trabalhos utilizou dados de catálogo, incluindo objetos com dados faltantes, enquanto o outro utilizou imagens, sem objetos com dados faltantes. O objetivo desse projeto de iniciação científica é a comparação desses métodos utilizando um novo data release, o DR4, do S-PLUS. Para isso, as implementações dos métodos serão revisadas e adaptadas para o novo cenário e as avaliações serão realizadas em condições experimentais diretamente comparáveis. O estudo envolverá investigações sobre o tratamento de dados faltantes e pré-treinamento de redes neurais convolucionais, a serem usadas no processamento de imagens. Comparações quantitativas e qualitativas dos dois métodos serão realizadas para entender suas diferenças.

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)