ИСТИНА

Сегодня машинное обучение активно задействуется в различных задачах, в частности, в задачах обнаружения объектов на изображениях. Возникает интерес приложить эти методы к обработке наблюдательных данных, таких как изображения солнечного диска. Актуальность этого исследования подкрепляется тем, что текущие методы алгоритмической обработки приводят к результатам, плохо согласующимся как между собой, так и с результатами ручной обработки. В докладе будет рассказано о модели сегментации корональных дыр, основанной на сверточных нейронных сетях, для обучения которой использовался многолетний каталог Кисловодской горной астрономической станции. Как показало исследование, результаты работы модели хорошо согласуются с визуальным восприятием картинки и устойчивы в различных отношениях. Таким образом, данная работа подтверждает потенциал применения методов машинного в обработке наблюдательных данных и открывает целый спектр дальнейших исследований.