Název:	Exploration of U-Net in Automated Solar Coronal Loop Segmentation
Autoři:	Moradi, Shadi Lee, Jong Kwan Tian, Qing
Citace zdrojového dokumentu:	WSCG 2021: full papers proceedings: 29. International Conference in Central Europe on Computer Graphics, Visualization and Computer Vision, p. 227-236.
Datum vydání:	2021
Nakladatel:	Václav Skala - UNION Agency
Typ dokumentu:	conferenceObject konferenční příspěvek
URI:	http://hdl.handle.net/11025/45028
ISBN:	978-80-86943-34-3
ISSN:	2464-4617 2464–4625(CD/DVD)
Klíčová slova:	konvoluční neuronová síť;U-Net;segmentace;aplikace solární fyziky
Klíčová slova v dalším jazyce:	convolutional neural network;U-Net;segmentation;Solar Physics Application
Abstrakt v dalším jazyce:	This paper presents a deep convolutional neural network (CNN) based method that automatically segments arc-like structures of coronal loops from the intensity images of Sun’s corona. The method explores multiple U-Netarchitecture variants which enable segmentation of coronal loop structures of active regions from NASA’s SolarDynamic Observatory (SDO) imagery. The effectiveness of the method is evaluated through experiments on bothsynthetic and real images, and the results show that the method segments the coronal loop structures accurately.
Práva:	© Václav Skala - UNION Agency
Vyskytuje se v kolekcích:	WSCG 2021: Full Papers Proceedings

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.