Automatic Classification of Magnetic Chirality of Solar Filaments from H-Alpha Observations
Alexis Chalmers, Azim Ahmadzadeh
在这项研究中,我们使用最先进的图像分类模型对H-Alpha观测中太阳细丝的磁性手性进行分类。 我们在MAGFiLO数据集上建立了第一个太阳丝手性分类的可重复基线。 MAGFiLO数据集包含来自GONG H-Alpha观测的10,000多个手动注释的细丝,使其成为迄今为止最大的长丝检测和分类数据集。 先前的研究依赖于更小的数据集,这限制了它们的可推广性和可比性。 我们微调了几个预先训练的图像分类架构,包括ResNet,WideResNet,ResNeXt和ConvNEXt,还应用数据增强和每类减肥权重来优化模型。 我们的最佳型号ConvNeXtBase在左手性细丝上达到0.69的精度,右手镯细丝的精度为0.73。
In this study, we classify the magnetic chirality of solar filaments from H-Alpha observations using state-of-the-art image classification models. We establish the first reproducible baseline for solar filament chirality classification on the MAGFiLO dataset. The MAGFiLO dataset contains over 10,000 manually-annotated filaments from GONG H-Alpha observations, making it the largest dataset for filament detection and classification to date. Prior studies relied on much smaller datasets, which limi...
