#深度学习框架# 【太原理工团队研发新型深度学习框架，能用于构建天文图像处理平台】
近日，来自#太原理工大学# 贾鹏教授团队和国家天文台李楠研究员团队合作提出一款能用于天文视觉任务的深度学习框架，并将人类知识成功引入到大型视觉模型之中。
初步测试结果不仅展示了该框架在数据处理和分析方面的优势，也为处理来自大规模巡天数据指明了方向。
研究中，图像预处理是课题组面临的一大挑战。虽然天文学研究中的大量图像，都是开放且能够自由获取的，但是这些图像与 AI 处理的图像具有显著的不同。
这些不同包括但不限于：图像灰度级高、天体图像稀疏、信噪比普遍比较低、图像质量不稳定等。
因此，从数据的获取、整理、预处理到分析，每一个环节都需要严谨细致的操作。
好在本次团队集合了#天文# 领域和 AI 领域的专家，大家在中国科学院国家天文台、中国科学院上海天文台和多个高校组织的 AI 训练营中协作通关，经过将近 10 天的努力，让基础模型得以完善，并获得了较好的结果。
这时，他们面临另一个挑战是：如何让天文学家相信本次算法的结果？以及如何让更多天文学家和公众从本次成果中受益？
戳链接查看详情：
网页链接
近日，来自#太原理工大学# 贾鹏教授团队和国家天文台李楠研究员团队合作提出一款能用于天文视觉任务的深度学习框架，并将人类知识成功引入到大型视觉模型之中。
初步测试结果不仅展示了该框架在数据处理和分析方面的优势，也为处理来自大规模巡天数据指明了方向。
研究中，图像预处理是课题组面临的一大挑战。虽然天文学研究中的大量图像，都是开放且能够自由获取的，但是这些图像与 AI 处理的图像具有显著的不同。
这些不同包括但不限于：图像灰度级高、天体图像稀疏、信噪比普遍比较低、图像质量不稳定等。
因此，从数据的获取、整理、预处理到分析，每一个环节都需要严谨细致的操作。
好在本次团队集合了#天文# 领域和 AI 领域的专家，大家在中国科学院国家天文台、中国科学院上海天文台和多个高校组织的 AI 训练营中协作通关，经过将近 10 天的努力，让基础模型得以完善，并获得了较好的结果。
这时，他们面临另一个挑战是：如何让天文学家相信本次算法的结果？以及如何让更多天文学家和公众从本次成果中受益？
戳链接查看详情：
网页链接
