Тема: Суперразрешение в астрономии (Прочитано 6538 раз)

LifeIsGood · « : 15 Травня 2018, 12:19:24 »

Привет!
Я тут сейчас пишу программку для увеличения разрешения астрофото с использованием нейронный сетей. Сейчас у меня есть натренированная модель на данных Galaxy Zoo. И работает она хорошо на данных, которые похожи на Galaxy Zoo. В аттаче есть примеры работы программы. Слева картинка в низком разрешении (получена 4х cubic downsampling), по центру картинка восстановленная нейронной сеткой, справа оригинал картинки, который сетка не видела и с которого была получена картина с низким разрешением.
Применение этой сетки к картинкам, полученным астрономами любителями ограничено тем, что ЛА применяют к своим картинкам усиление контраста, которое при увеличении выглядит как темные бублики вокруг звезд. Поэтому хотел обратиться к нашим гуру астрофото с просьбой дать мне пару картинок В ЦВЕТЕ желательно undersampled (с квадратными звездами), но до применения шарпа. Например что-то из частей М31. Своих фоток у меня сейчас под рукой нет

Disclaimer.
ЭТОТ МЕТОД НЕ НАУЧНЫЙ. НОВЫХ ДЕТАЛЕЙ НЕ ПОКАЖЕТ. АРТЕФАКТЫ ВНЕСЕТ.

Серега

вау!

Серега

такое качество пойдет?
Туманность в М33 хотелось бі рассмотреть
https://drive.google.com/open?id=17WNkW1XYok5JCUYzSPs8Ne455ZCYFamC

Серега

вот с суровім андерсемплингом, но в PNG///
https://drive.google.com/open?id=1w1FNNP_B-c5icu-rWV8l22Kw6Wv_hmpJ

LifeIsGood

О! Спасибо Серега! Ща попробую с тарантулом

angelsky

Дело нужное

Вот только про бублики не понял. У меня они только после деконволюции заметны. Я редко этот метод использую. Есть для комет радиальный способ, довольно прикольный, выделяет детали в центре.

LifeIsGood

Там другое. Есть такой метод UnsharpMask он делает границы яркого объекта ярче, а темные - темнее. Потом это вылазит в виде бубликов вокруг звезд

LifeIsGood

Короче, с тарантулом не получилось ничего хорошего. А вот Северная Омерига получше. Похоже, что метод можно использовать как "бесплатный" аналог дриззлинга.

LifeIsGood

Более детальный анализ картинок показал, что резельтат не лучше, чем если сделать увеличение картинки с помощью Lanczos. Так что пока расходимся

Серега

с интересом буду следить

Polaris

Яку саме архітектуру мережі використовували? Є гарна стаття по цьому https://academic.oup.com/mnrasl/article/467/1/L110/2931732

Серега

Цитата: LifeIsGood від 15 Травня 2018, 18:05:17

Более детальный анализ картинок показал, что резельтат не лучше, чем если сделать увеличение картинки с помощью Lanczos. Так что пока расходимся

вообще-то лучше. Но на сколько попугаев - не могу сказать))) чисто качественная оценка

LifeIsGood

Я, наверное, погорячился с бесполезностью. Сравнение 1 в 1 показывает отличия.

LifeIsGood

Цитата: Polaris від 15 Травня 2018, 23:10:21

Яку саме архітектуру мережі використовували? Є гарна стаття по цьому https://academic.oup.com/mnrasl/article/467/1/L110/2931732

Архитектура сложная

В качестве loss function используется perception loss на основании VGG16 block1_conv1 и block1_conv2 взвешенные 0.5:0.5 до activation. Сама сетка - это смесь unet, densenet и Squeeze&excite. Такой себе франкенштейн. Но зато быстро тренируется. Практически после первой эпохи достигается довольно приличный уровень. Сейчас попробую добавить шума и блюра.
Статью почитаю, спасибо!
Если тема интересна - можем обсудить в привате. Ну или тут

Серега

интересно как это работает, но ни бельмеса не шарю

Naboka Igor

Ага. Помню пережал малехо до падратиков, закинул на форум, смотрю, а звездочки округлились.

Ну думаю астрофорум все-же так и надо

А тут, вон оно шо, люди работают

Polaris

Цитата: LifeIsGood від 15 Травня 2018, 23:39:49

Цитата: Polaris від 15 Травня 2018, 23:10:21
Яку саме архітектуру мережі використовували? Є гарна стаття по цьому https://academic.oup.com/mnrasl/article/467/1/L110/2931732
Практически после первой эпохи достигается довольно приличный уровень.

А це не добре, вона може робити аналог поліноміальної інтерполяції.

Який розмір тренувальної вибірки?
Чи обертаєте зображення, для збагачення тренувальної вибірки?
Чи використовуєте k-fold?

LifeIsGood

Цитата: Polaris від 16 Травня 2018, 09:46:18

Практически после первой эпохи достигается довольно приличный уровень.

А це не добре, вона може робити аналог поліноміальної інтерполяції.

Який розмір тренувальної вибірки?
Чи обертаєте зображення, для збагачення тренувальної вибірки?
Чи використовуєте k-fold?
[/quote]
У меня 145000 изображений. 10000 используются для валидации.

Ну нейронные сети - это универсальный аппроксиматор, так что если она использует аналог полиномиальной интерполяции (на самом деле там piecewise linear) в пространстве 256х250х3 измерения, то так тому и быть

Сетка учится быстро, потому, что все изображения очень однообразные. Это не imagenet с 1000 категорий.
Повороты на произвольный угол не использую, но использую random crop, random flip, random zoom.
У меня низкий variance. k-fold тут не нужен - это не каггл и задача выжать последний 0.01% ценой 10х увеличения вычислительных ресурсов за счет stacking не стоит.

Polaris

random crop, random zoom тут зайві, оскільки у вас не класифікація, обертання було би корисним.
Для деградації знімків ви використовуєте 4х cubic downsampling?
Спробуйте застосувати реальний PSF.

LifeIsGood

Цитата: Polaris від 16 Травня 2018, 10:34:27

random crop, random zoom тут зайві, оскільки у вас не класифікація, обертання було би корисним.

Ну камон. Как можно делать такие глубокие выводы не попробовав экспериментально надо оно или нет

Эти операции никакого отношения к классификации не имеют. Они работают практически в любой системе, которая работает с картинками. Это операции, которые уменьшают overfitting. Random zoom у меня только в сторону уменьшения, а не увеличения.

Цитата: Polaris від 16 Травня 2018, 10:34:27

Для деградації знімків ви використовуєте 4х cubic downsampling?

Да

Цитата: Polaris від 16 Травня 2018, 10:34:27

Спробуйте застосувати реальний PSF.

Тут не совсем понял. "реальний PSF" чего?

Новини:

Автор Тема: Суперразрешение в астрономии (Прочитано 6538 раз)