Scheda DL-OCAI
FINAL
Informazioni generali
Modelli di Deep Learning per task di object classification su immagini astronomiche
DL-OCAI
Progetto
RSN5
Attività: Nuova; Data inizio: 2022; Data fine: 2023
lorenzo.monti lorenzo.monti@inaf.it
Negli anni passati, la ricerca spaziale ed astronomica hanno avuto un rapido sviluppo in termini di complessità e quantità di dati da processare. Ciò ha reso necessario introdurre anche l'astronomia nell'era dei Big Data. In tal senso, i modelli di Machine Learning (ML) e di Deep Learning (DL) riescono ad intercettare perfettamente tale necessità computazionale; in particolare per compiti di classifficazione, rilevamento, riconoscimento e localizzazione di oggetti. Lo studio e l'applicazione di tali metodologie quindi, può aiutare a risolvere i tradizionali problemi di analisi delle immagini astronomiche, ottimizzando i processi che richiedono lavoro manuale, e consentire ed accelerare nuove scoperte astronomiche e sfide scientifiche.
Over the past years, space and astronomical research have grown rapidly in terms of research data size and complexity.This made it necessary to also introduce astronomy in the era of Big Data. In this sense, the Machine Learning (ML) and Deep Learning (DL) models are able to perfectly intercept this computational need; in particular for object classification, detection, recognition and localization tasks. Therefore, the study and application of such methodologies can help to solve the traditional problems of analyzing astronomical images, optimizing the processes that require manual work, and to enable and accelerate new astronomical discoveries and scientific challenges.
Tecnologie Informatiche e software
Team Summary
15. Personale INAF coinvolto
Numero di partecipanti INAF al progetto: 1
| Struttura | Nfte | N0 | TI 2022 | TI 2023 | TI 2024 | TD 2022 | TD 2023 | TD 2024 | Nex | Extra |
|---|---|---|---|---|---|---|---|---|---|---|
| IRA BOLOGNA | 0 | 0 | 0 | 0 | 0 | 0.00 | 0.00 | 0.00 | 1 | 0.20 |
| Totali | 0 | 0 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 1 | 0.20 |
Fondi a sostegno
21. Totale fondi a disposizione (dato aggregato, k€)
| Certi 2022 | Certi 2023 | Certi 2024 | Presunti 2022 | Presunti 2023 | Presunti 2024 |
|---|---|---|---|---|---|
| 0 | 0 | 0 | 0 | 0 | 0 |
Produzione scientifica e tecnologica
22. Produzione scientifica e tecnologica - Highlights
Informazioni Pubbliche
<p>Astronomy data analysis; Computational astronomy; Astroinformatics;<br></p>
15. Team members, Informazioni generali
15. Personale INAF coinvolto
| # | Nome | Struttura | TI | Qualifica | Ruolo nel Progetto | FTE Impegnate (2022/2023/2024) | FTE Presunte (2022/2023/2024) | Extra | ||
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | lorenzo.monti | lorenzo.monti@inaf.it | IRA BOLOGNA | N | ASSEGNISTA | Assegnista di Ricerca | X X X | X X X | X |
|
16. Personale Associato INAF coinvolto
| # | Nome | Struttura | TI | Qualifica | Ruolo nel Progetto | FTE Impegnate (2022/2023/2024) | FTE Presunte (2022/2023/2024) | Extra |
|---|
21. Fondi a Sostegno Iniziativa
Tabella fondi:
| # | Provenienza | Certi 2022 (k€) | Certi 2023 (k€) | Certi 2024 (k€) | Presun. 2022 (k€) | Presun. 2023 (k€) | Presun. 2024 (k€) | Totale Certi (k€) | Totale Presunti (k€) |
|---|
Tabella fondi Astrofisica Fondamentale e PNRR:
| # | Provenienza | Fondi 2022 (€) | Fondi 2023 (€) | Fondi 2024 (€) |
|---|