Segmentación de brazos espirales en imágenes de galaxias utilizando redes neuronales convolucionales

Mostrar todas las versiones(2)

En este trabajo nos propusimos utilizar redes neuronales convolucionales con el objetivo de detectar y marcar de forma automática la presencia y la ubicación de brazos espirales sobre imágenes de galaxias. Este tipo de tareas recibe comúnmente, en el campo del procesamiento de imágenes digitales, el...

Descripción completa

Detalles Bibliográficos
Autor principal: Rey Deutsch, Tomás
Otros Autores: Bignone, Lucas Axel
Formato: Tesis de grado publishedVersion
Lenguaje:Español
Publicado: Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales 2023
Acceso en línea:https://hdl.handle.net/20.500.12110/seminario_nFIS000188_ReyDeutsch
Aporte de:
Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA) de Universidad de Buenos Aires
id seminario:seminario_nFIS000188_ReyDeutsch
record_format dspace
spelling seminario:seminario_nFIS000188_ReyDeutsch2025-05-09T18:46:42Z Segmentación de brazos espirales en imágenes de galaxias utilizando redes neuronales convolucionales Rey Deutsch, Tomás Bignone, Lucas Axel Pedrosa, Susana Elizabeth En este trabajo nos propusimos utilizar redes neuronales convolucionales con el objetivo de detectar y marcar de forma automática la presencia y la ubicación de brazos espirales sobre imágenes de galaxias. Este tipo de tareas recibe comúnmente, en el campo del procesamiento de imágenes digitales, el nombre de segmentación de imágenes. Para cumplir con este objetivo, se entrenaron seis redes neuronales de aprendizaje profundo (AP) distintas con arquitectura U-Net, cada una de ellas con diferentes niveles de confianza en la detección de estructuras espiraladas y una exactitud mayor al 90 % en todos los casos. El entrenamiento de estos modelos automáticos se llevó a cabo utilizando el conjunto de mapas de segmentación generado manualmente por el proyecto Galaxy Zoo: 3D, a partir de la votación de voluntarios humanos. A su vez, se analizó en detalle el desempeño de los modelos de AP entrenados y se compararon los resultados de los brazos espirales predichos por U-Net con los brazos espirales segmentados por los voluntarios, tomando a estos últimos como referencia. Se obtuvo una concordancia en la presencia o ausencia de estructuras espiraladas en más del 85 % de las galaxias examinadas, para las seis redes neuronales mencionadas. Estudiando otras métricas como la precisión (P) y el índice de Jaccard (J), concluimos que U-Net es capaz de identificar y segmentar correctamente todos los brazos espirales nítidos de una imagen con una demarcación levemente más conservadora de la región que ocupan respecto a los voluntarios. Por último, se aplicaron los modelos obtenidos sobre un nuevo conjunto de imágenes extraídas del Data Release 3 del proyecto Galaxy And Mass Assembly (GAMA). A partir de los modelos entrenados, se definió un índice para la preponderancia de los brazos espirales presentes en una galaxia (Ib) y se lo utilizó para estudiar la relación entre la fuerza o la intensidad de los brazos espirales y algunas de las propiedades físicas más relevantes de las galaxias de GAMA: su masa estelar (ME), su tasa de formación estelar (TFE) y su morfología visual. De esta forma, se encontró una correlación positiva de ρspearman = 0,51 entre el valor del log(Ib) y la tasa de formación estelar específica (TFEe) de estas galaxias, sobre aquellas imágenes con brazos espirales nítidos. Fil: Rey Deutsch, Tomás. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales 2023-12-21 info:eu-repo/semantics/bachelorThesis info:ar-repo/semantics/tesis de grado info:eu-repo/semantics/publishedVersion application/pdf spa info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar https://hdl.handle.net/20.500.12110/seminario_nFIS000188_ReyDeutsch
institution Universidad de Buenos Aires
institution_str I-28
repository_str R-134
collection Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA)
language Español
orig_language_str_mv spa
description En este trabajo nos propusimos utilizar redes neuronales convolucionales con el objetivo de detectar y marcar de forma automática la presencia y la ubicación de brazos espirales sobre imágenes de galaxias. Este tipo de tareas recibe comúnmente, en el campo del procesamiento de imágenes digitales, el nombre de segmentación de imágenes. Para cumplir con este objetivo, se entrenaron seis redes neuronales de aprendizaje profundo (AP) distintas con arquitectura U-Net, cada una de ellas con diferentes niveles de confianza en la detección de estructuras espiraladas y una exactitud mayor al 90 % en todos los casos. El entrenamiento de estos modelos automáticos se llevó a cabo utilizando el conjunto de mapas de segmentación generado manualmente por el proyecto Galaxy Zoo: 3D, a partir de la votación de voluntarios humanos. A su vez, se analizó en detalle el desempeño de los modelos de AP entrenados y se compararon los resultados de los brazos espirales predichos por U-Net con los brazos espirales segmentados por los voluntarios, tomando a estos últimos como referencia. Se obtuvo una concordancia en la presencia o ausencia de estructuras espiraladas en más del 85 % de las galaxias examinadas, para las seis redes neuronales mencionadas. Estudiando otras métricas como la precisión (P) y el índice de Jaccard (J), concluimos que U-Net es capaz de identificar y segmentar correctamente todos los brazos espirales nítidos de una imagen con una demarcación levemente más conservadora de la región que ocupan respecto a los voluntarios. Por último, se aplicaron los modelos obtenidos sobre un nuevo conjunto de imágenes extraídas del Data Release 3 del proyecto Galaxy And Mass Assembly (GAMA). A partir de los modelos entrenados, se definió un índice para la preponderancia de los brazos espirales presentes en una galaxia (Ib) y se lo utilizó para estudiar la relación entre la fuerza o la intensidad de los brazos espirales y algunas de las propiedades físicas más relevantes de las galaxias de GAMA: su masa estelar (ME), su tasa de formación estelar (TFE) y su morfología visual. De esta forma, se encontró una correlación positiva de ρspearman = 0,51 entre el valor del log(Ib) y la tasa de formación estelar específica (TFEe) de estas galaxias, sobre aquellas imágenes con brazos espirales nítidos.
author2 Bignone, Lucas Axel
author_facet Bignone, Lucas Axel
Rey Deutsch, Tomás
format Tesis de grado
Tesis de grado
publishedVersion
author Rey Deutsch, Tomás
spellingShingle Rey Deutsch, Tomás
Segmentación de brazos espirales en imágenes de galaxias utilizando redes neuronales convolucionales
author_sort Rey Deutsch, Tomás
title Segmentación de brazos espirales en imágenes de galaxias utilizando redes neuronales convolucionales
title_short Segmentación de brazos espirales en imágenes de galaxias utilizando redes neuronales convolucionales
title_full Segmentación de brazos espirales en imágenes de galaxias utilizando redes neuronales convolucionales
title_fullStr Segmentación de brazos espirales en imágenes de galaxias utilizando redes neuronales convolucionales
title_full_unstemmed Segmentación de brazos espirales en imágenes de galaxias utilizando redes neuronales convolucionales
title_sort segmentación de brazos espirales en imágenes de galaxias utilizando redes neuronales convolucionales
publisher Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales
publishDate 2023
url https://hdl.handle.net/20.500.12110/seminario_nFIS000188_ReyDeutsch
work_keys_str_mv AT reydeutschtomas segmentaciondebrazosespiralesenimagenesdegalaxiasutilizandoredesneuronalesconvolucionales
_version_ 1831983649466089472

Ejemplares similares