文件名称：WFC3-DLN-异常检测器：使用深度学习和公共哈勃-WFC3数据来识别空间观测中的“异常”（对于HST和JWST）
文件大小：76KB
文件格式：ZIP
更新时间：2024-03-06 00:15:57
mysql deep-neural-networks deep-learning astronomy space
WFC3-DLN-异常检测器 使用深度学习和公共哈勃/ WFC3数据识别太空观测中的“异常”（对于HST和JWST） 可以在找到我们深度学习的最新版本Hubble / WFC3图像异常检测器。 这个笔记本下载了Hubble Ultra Deep Field，并用它训练了卷积自动编码器。 然后重建HUDF的子部分，并将其与原始子帧并排比较以进行质量控制。 接下来，我们将异常注入到图像中，并确定自动编码器对这些异常的敏感性。
【文件预览】：
WFC3-DLN-Anomaly-Detector-master
----ingest_and_convert_to_jpeg_hst_public_data_on_aws.py(8KB)
----how_to_remove_all_but_500_jpgs.py(767B)
----check_data_distribution_baselines.py(2KB)
----Transfer_Learning_Scripts()
--------keras_example_InceptionV3_transferlearning.py(6KB)
--------xgboost_image_classification.py(4KB)
--------example_transfer_learn_vgg16.py(7KB)
--------example_transfer_learn_vgg16_load_first.py(13KB)
--------example_transfer_learning_pretrained_network_load_first.py(9KB)
--------example_transfer_learn_vgg16_from_directory.py(7KB)
----LICENSE(1KB)
----how_to_sort_clean_files_for_smVGG.py(1KB)
----move_class_data_to_train_test_val.py(1KB)
----Create_New_DLN_Scripts()
--------WFC3_Anomalies_train_MeGG16.py(12KB)
--------WFC3_Anomalies_with_keras_nasnet_witserv.py(12KB)
--------WFC3_Anomalies_train_MynCeption.py(13KB)
--------WFC3_Anomalies_train_MeGG16_from_directory.py(12KB)
--------train_smaller_vggnet.py(5KB)
--------WFC3_Anomalies_train_MeGG16_load_all.py(10KB)
--------WFC3_Anomalies_train_VGG16.py(8KB)
--------WFC3_Anomalies_train_AutoKeras.py(9KB)
--------classify_smaller_vggnet.py(3KB)
--------WFC3_Anomalies_with_keras_vggnet.py(10KB)
--------WFC3_Anomalies_with_keras_nasnet.py(14KB)
--------WFC3_Anomalies_train_real_vgg16.py(8KB)
--------WFC3_Anomalies_train_smaller_vgg16.py(8KB)
----MyBox_O_DNNs()
--------VGGNet16.py(5KB)
--------smallervggnet.py(4KB)
--------MynCeptionNet.py(4KB)
--------MeGGNet16.py(7KB)
--------__init__.py(0B)
--------orig_smallervggnet.py(2KB)
--------jdf_smallervggnet.py(3KB)
----.gitignore(1KB)
----README.md(679B)
----check_number_of_jpgs_per_flag.py(631B)