╨и╨░╨▒╨╗╨╛╨╜ ╨┐╤А╨╡╨╖╨╡╨╜╤В╨░╤Ж╨╕╨╕_╨Ш╨в╨Ь╨Ю_╨╜╨░ ╤А╤Г╤Б╤Б╨║╨╛╨╝ ╤П╨╖╤Л╨║╨╡

1. Алгоритм обнаружения космических объектов на последовательных изображениях звёздного неба

Щукин Антон Александрович
ГУАП, 02.03.03
Antonovka2310@yandex.ru
Поляк Марк Дмитриевич,
ИТМО, Преподаватель

2. Цель работы

Описать вероятностную
модель для создания
размеченного набора данных;
Описать алгоритм каскадной
сегментации, позволяющий
детектировать звёздные
источники, быстрые (5-8 ”/px) и
медленные (0.5-3 ”/px) объекты;
Протестировать алгоритм на
реальном наборе данных.

3. Известные решения

По анализу 6 существующих
статей были установлены
следующие недостатки
известных решений
поставленной задачи:
• Нет определения
звёздного поля, в
результате чего нельзя
идентифицировать
распознанный объект;
• Определяются только
быстродвижущиеся
объекты;

4. Вероятностная модель

5. Полный алгоритм каскадной сегментации

На первом этапе
осуществляется бинарная
сегментация изображения с
выделением пикселей объекта
на фоне, каждый кадр подаётся
по очереди.
На втором этапе выполняется
многоклассовая сегментация с
разделением на фон, звёзды и
целевой космический объект.
Чтобы оценить
пространственно-временные
признаки, на вход второй
модели подаётся набор из пяти
изображений.

6. Первая модель каскадной сегментации

7. Сравнение подходов на первом этапе

В результате тестирования
базового порогового метода, в
котором пиксели
классифицируются только по
уровню яркости, и
нейросетевого подхода было
установлено, что базовое
решение не обеспечивает
требуемой надёжности
обнаружения объектов.

8. Вторая модель каскадной сегментации

9. Метрики точности всех этапов

МЕТРИКИ ПЕРВОГО ЭТАПА
СЕГМЕНТАЦИИ
Series
type
Frames
Precision
Recall
Dice
Fast
2160
0.9524
0.8377
0.8914
Slow
2160
0.9548
0.8704
0.9107
МЕТРИКИ ВТОРОГО ЭТАПА
СЕГМЕНТАЦИИ
Mixed
2160
0.9540
0.8509
0.8995
Series
type
Windows
Fast
1728
Slow
1728
Mixed
1728
Class
Precision
Recall
Dice
Stars
0.8553
0.9457
0.8982
Objects
0.7455
0.7756
0.7603
Stars
0.8555
0.9474
0.8991
Objects
0.7913
0.8768
0.8318
Stars
0.8585
0.9468
0.9005
Objects
0.7557
0.7999
0.7772

10. Результат работы на реальном наборе данных

11. Спасибо за внимание

Щукин Антон Александрович
ГУАП, 02.03.03
Antonovka2310@yandex.ru
Поляк Марк Дмитриевич,
ИТМО, Преподаватель