一种基于轻量化CNN的天文暂现源智能识别方法

Abstract

天文暂现源携带了关于天体本质及演化过程的丰富信息，对暂现源进行探测与研究具有极为重要的科学价值。天文暂现源的辐射峰值大多在X射线或伽马射线，天基望远镜对这些高能波段的观测优势是地基望远镜无法比拟的，更适合于暂现源观测。但由于星载计算机的性能约束，很难实现依托于地面强大算力的复杂检测算法。针对以上问题，提出了基于轻量化卷积神经网络（CNN）模型的天基暂现源检测算法，并在嵌入式ARM平台上实现了模型部署。实验结果表明，本文提出的轻量化CNN暂现源检测算法的模型复杂度和计算量不及Deep Hits算法的1/4，准确率达到96.52%，可应用于星载有限算力平台，实现未来的天基暂现源实时检测。

Keywords

• 暂现源检测
• 轻量化CNN模型
• 星载有限算力平台
• 模型部署