Busca avançada
Ano de início
Entree

Processamento e análise de imagens astronômicas usando modelos convolucionais profundos

Processo: 18/25671-9
Linha de fomento:Bolsas no Brasil - Mestrado
Vigência (Início): 01 de fevereiro de 2019
Vigência (Término): 31 de janeiro de 2021
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Convênio/Acordo: Microsoft Research
Pesquisador responsável:Nina Sumiko Tomita Hirata
Beneficiário:Ana Carolina Rodrigues Cavalcante Martinazzo
Instituição-sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo, SP, Brasil
Vinculado ao auxílio:17/25835-9 - Interpretação de imagens e de modelos de aprendizado profundos, AP.PITE
Assunto(s):Visão computacional   Aprendizado computacional   Aprendizagem profunda

Resumo

A Astronomia entrou na era das varreduras (surveys) fotométricas gigantes, transicionando de um campo de estudo com relativa escassez de dados para um com muita riqueza de dados. As imagens que estão sendo coletadas por essa nova geração de varreduras apresenta características desafiadoras: o tamanho (chegam a ser uma ordem de grandeza maior que as imagens que usualmente processamos), a grande quantidade de canais (pode chegar a algumas dezenas), baixa relação sinal-ruído, saturação de sinal, informações ausentes, objetos desconhecidos, e assim por diante. Além disso, há uma quantidade grande - e crescente - de imagens disponíveis. Neste cenário, abordagens de aprendizagem profunda surgem como uma alternativa bastante apropriada para extrair informação dos dados.Nossa principal proposta é explorar informação estrutural, tanto espacial quanto espectral, de imagens astronômicas fazendo uso de técnicas de aprendizagem profunda. Pretendemos desenvolver modelos de rede profunda que gerem representações ricas e gerais das imagens e que sejam adequadas para uma variedade de análises tais como detecção de objetos, detecção de "outliers" e agrupamento (clustering). Isto possibilitaria o desenvolvimento de um modelo ponta-a-ponta (end-to-end) para processamento e análise de imagens em larga escala, o que por sua vez poderá levar a resultados mais precisos e novas descobertas em astronomia. Como estudo de caso, pretendemos explorar o problema de detecção automática de objetos tais como estrelas e galáxias bem como de classificação refinada das mesmas.Este projeto conta com a colaboração de pesquisadores do Instituto de Astronomia, Geofísica e Ciências Atmosféricas da Universidade de São Paulo (IAG-USP), que lideram o S-PLUS (Southern Photometric Local Universe Survey), uma varredura fotométrica que está em andamento.

Mapa da distribuição dos acessos desta página
Para ver o sumário de acessos desta página, clique aqui.