Automated Source Detection in Radio Interferometric Images using Computer Vision

Paul-Simon Blomenkamp

Die enormen Verbesserungen in der Rechenleistung moderner Computer und die Fortschritte in der Entwicklung von Teleskopen haben den Bau und die Planung zunehmend leistungsstarker Radiointerferometer ermöglicht. Durch die deutlich größeren Winkelauflösungen und Sensitivitäten, welche von diesen Experimenten erreicht werden können, lassen sich Himmelsdurchmusterungen durchführen, die Hunderttausende astronomische Quellen enthalten. Dies erfordert neben der eigentlichen Messung eine akkurate Analyse der Daten. Aufgrund der zunehmend großen Datenmengen werden neue Analysewerkzeuge benötigt, welche sowohl schneller als auch zuverlässiger sind als die Etablierten.
In diesem Vortrag wird eine Quelldetektionsarchitektur, basierend auf ”Convolutional Neural Networks”,
präsentiert, welche zur Untersuchung neuer Verfahren zur Datenanalyse implementiert wurde. Zur Evaluierung
wird das resultierende Modell mit der etablierten Quellfindungssoftware PyBDSF verglichen. Hierfür werden
Daten aus der SKA Data Challenge #1 genutzt.
Die Ergebnisse zeigen, dass PyBDSF zwar zuverlässiger in der Quelldetektion ist, allerdings sticht das präsentierte Modell mit einer deutlich geringeren Analysedauer hervor und es besteht noch großes Potenzial für Leistungsverbesserungen.