详细内容或原文请订阅后点击阅览
Yan等人基于太阳射电谱图数据的识别和检测数据集
太阳射电爆发及其精细光谱结构包含与等离子体不稳定性、高能粒子加速和其他重要过程相关的关键物理信息。因此，它们成为研究太阳活动和太空天气的重要观测手段。随着太阳射电谱图观测数据量的不断增加，基于深度学习的太阳射电爆发识别与检测已成为重点研究方向。然而，大多数关于米波太阳射电的研究 [...]
来源:欧洲太阳射电天文学家社区RSS提要太阳射电爆发及其精细光谱结构包含与等离子体不稳定性、高能粒子加速和其他重要过程相关的关键物理信息。因此，它们成为研究太阳活动和太空天气的重要观测手段。随着太阳射电谱图观测数据量的不断增加，基于深度学习的太阳射电爆发识别与检测已成为重点研究方向。然而，大多数关于米波太阳射电频谱图识别和检测的研究都依赖于专有数据集，公开可用的数据集仍然很少。为了解决这个问题并促进使用公共数据集进行深度学习模型验证，从而促进米波太阳射电谱图自动检测方法的发展，我们提出了一种新的太阳射电谱图数据集。在我们的研究中，我们进一步研究了数据集的构建过程、其用途以及基于该数据集实现的训练性能。
该数据集可公开获取：http://62.234.23.17/SRData/SRSD/。
图1：YOLO11模型架构示意图。
图2：YOLO11模型在Dataset-B中的训练表现
结论
结果表明，本研究提出的数据集能够有效支持太阳射电观测数据的识别和检测。这为太阳射电爆发探测实验研究提供了统一的数据集，从而支持太阳射电数据处理和爆发探测研究，同时也促进了射电天文学与人工智能的融合。在未来的工作中，我们计划通过合并额外的数据源来进一步优化和扩展数据集，同时提高注释过程的客观性并增强数据集的适用性。这些数据集有望提高未来突发事件的检测能力并推进相关研究。