Búsqueda · 27 momentos en 18 episodios
José EdelsteinFrancis VillatoroHéctor SocasGastón Giribettelescopios mecanismo seguimientoestrellas trazas exposición cincuenta minutosprecisión seguimiento telescopio pesadoastrofotógrafos estrellas alargadasmachine learning distingue estrellas defectostransitorios beatriz clasificados como defectosred neuronal placas fotográficas antiguasalgoritmo machine learning clasifica estrellaslógica circular entrenamiento defecto placaovnis reconocidos como defectos placaalgoritmo diferencia imágenes estrellas artefactosdefectos identificados por algoritmo beatrizpcfs asociados a estrellasBeatriz VillarroelPCFsFrancis VillatoroMachine LearningHéctor SocasJosé EdelsteinObservatorio de Monte Palomar
Algoritmo diferencia imágenes Estrellas artefactos
Con
0:000:301:001:302:002:303:003:17
Francis Villatoro explica cómo un algoritmo identifica diferencias sutiles entre las imágenes de estrellas y los artefactos en placas fotográficas antiguas, clasificando estos últimos como defectos.
…de la PCF y concluyen que son diferentes a las de las estrellas, porque las estrellas no son totalmente redondas en estos cartografiados, sino que están un poquito alargadas en una dirección, y eso se debe a que el seguimiento del telescopio no es perfecto. Recuerden que dije que se está exponiendo durante 50 minutos; durante 50 minutos las estrellas se mueven y dejarían una traza en el cielo. Veríamos como estas imágenes que vemos de astrofotógrafos, que se ve que la estrella es una traza, los telescopios tienen un mecanismo de seguimiento para evitar eso y que las estrellas no se te muevan a lo largo de tus 50 minutos de exposición; pero ese mecanismo no es perfecto y más en los telescopios de 1950 había una tensión entre cuánto de grande quiere que sea el telescopio y cuánto de preciso es el seguimiento. Cuanto más grande, más pesado, más difícil es de que sea muy preciso el seguimiento. Entonces, bueno, a las estrellas les queda un poquito de ese alargamiento, ¿no? Mientras que estos puntos son totalmente redondos. Y, bueno, eso también es interesante. Y luego hay una parte en la que entrenan una red neuronal; utilizan Machine Learning para distinguir estrellas de defectos de placa y concluyen que todos los transitorios de Beatriz son clasificados por este clasificador como defectos de placa. Me gusta mucho porque realmente la forma en la que Lo han entrenado es un poco; tiene algo de lógica circular, es decir, ellos entrenan todo lo que no es como las estrellas: son defectos de placa, con lo cual evidentemente todo lo que no sean, no sé si me explico, que si hubiera ovnis de verdad te los reconocería el algoritmo como defectos de placa. O sea, el algoritmo está como diciendo: los PCFs asociados a estrellas y los PCFs asociados a ese tipo de manchitas, tipo artefacto, tienen ligeras diferencias que el algoritmo es capaz de identificar y diferenciar, y por eso los marca a todos como defectos. Exactamente, es justo eso. Entonces bueno, y luego lo que ha salido hace unos meses es una respuesta del grupo de Beatriz a esta crítica diciendo: Ellos también se dan cuenta que el clasificador de la red neuronal no tiene mucho sentido y el hecho de que sean más redondos que estrellas a ellos les gusta porque lo hacen más consistente con su idea de que son satélites y lo que ves es un reflejo puntual…
Significado #1 · Palabras #1
José Edelstein reflexiona sobre la calidad de las fotografías tomadas en el Observatorio de Monte Palomar en 1950 y cómo el deterioro del material fotográfico puede generar puntos o rayas que se asemejan a estrellas.
Habla: José EdelsteinSignificado #16deterioro del film en cámara adolescenteobservatorio monte palomar fotografías 1950puntos y rayitas simulan estrellas…en la roja ni en la azul. Estos son nueve ¿Nueve en una única placa? Sí, en una única placa De hecho, ellos Son nueve puntos, disculpa, solo para un ignorante como yo Son nueve puntos, nueve muescas en la placa fotográfica Nueve puntos que parecen estrellas Ya, pero ¿qué quiero decir con el nivel de resolución del 1950, parecer estrellas? Digo, yo tengo fotos hechas con mi cámara cuando yo era un adolescente y obviamente el deterioro del film hace que se produzcan puntos, rayitas, bueno, de todo. Claro, exacto. Bueno, a eso vamos a ir, efectivamente. Eso es parte del problema, ¿no? La fragilidad de ese soporte fotográfico. Pero bueno, tú lo ves en la imagen y parecen estrellas. Quiero decir que no es solamente un punto, sino es un manchurrón, lo que se llama la PCF. La PCF es la forma que tiene si…
Héctor Socas explica que debido a la resolución de las placas fotográficas, las imágenes resultantes son microscópicas, mostrando detalles como el tamaño de una estrella en aproximadamente 15 micras.
Habla: Héctor SocasSignificado #15imágenes microscópicas resolución fotográficatamaño estrella en micras atmósferaescaneado microdensitometría placas fotográficas…que hacen falta por lo menos unas 600 placas para cubrir todo el cielo del hemisferio norte. Además, hay 600 para el filtro rojo, otras 600 para el filtro azul y luego, como se repitió varias veces, no sé cuántas, pues no sé, hay miles de placas fotográficas. Y luego hay que pensar también que con esta resolución las imágenes son microscópicas, porque si tú piensas que en 30-35 centímetros metes 6 grados la imagen de una estrella, que es una estrella que pasa por la atmósfera, te queda un manchurrón de un segundo de arco el tamaño de esa estrella: son 15 micras. Depende un poco de los detalles, pero de ese orden; 15 micras entonces todo lo que hay en las placas es microscópico, por eso luego el escaneado hay que hacerlo con microdensitometría. También requiere maquinaria especial, ¿no? Entonces, bueno. Toda esa imagen microscópica que hay en las placas, una vez que se obtiene, se revela, se fija y luego se hacen copias, porque el original no se usa para nada; el original se guarda. Entonces, para hacer esas copias, hay que manipular las manos, hay que…
Francis Villatoro explica cómo un algoritmo identifica diferencias sutiles entre las imágenes de estrellas y los artefactos en placas fotográficas antiguas, clasificando estos últimos como defectos.
Habla: Francis VillatoroSignificado #1 · Palabras #1telescopios mecanismo seguimientoestrellas trazas exposición cincuenta minutosprecisión seguimiento telescopio pesadoastrofotógrafos estrellas alargadasmachine learning distingue estrellas defectostransitorios beatriz clasificados como defectosred neuronal placas fotográficas antiguasalgoritmo machine learning clasifica estrellaslógica circular entrenamiento defecto placaovnis reconocidos como defectos placaalgoritmo diferencia imágenes estrellas artefactosdefectos identificados por algoritmo beatrizpcfs asociados a estrellas…de la PCF y concluyen que son diferentes a las de las estrellas, porque las estrellas no son totalmente redondas en estos cartografiados, sino que están un poquito alargadas en una dirección, y eso se debe a que el seguimiento del telescopio no es perfecto. Recuerden que dije que se está exponiendo durante 50 minutos; durante 50 minutos las estrellas se mueven y dejarían una traza en el cielo. Veríamos como estas imágenes que vemos de astrofotógrafos, que se ve que la estrella es una traza, los telescopios tienen un mecanismo de seguimiento para evitar eso y que las estrellas no se te muevan a lo largo de tus 50 minutos de exposición; pero ese mecanismo no es perfecto y más en los telescopios de 1950 había una tensión entre cuánto de grande quiere que sea el telescopio y cuánto de preciso es el seguimiento. Cuanto más grande, más pesado, más difícil es de que sea muy preciso el seguimiento. Entonces, bueno, a las estrellas les queda un poquito de ese alargamiento, ¿no? Mientras que estos puntos son totalmente redondos. Y, bueno, eso también es interesante. Y luego hay una parte en la que entrenan una red neuronal; utilizan Machine Learning para distinguir estrellas de defectos de placa y concluyen que todos los transitorios de Beatriz son clasificados por este clasificador como defectos de placa. Me gusta mucho porque realmente la forma en la que Lo han entrenado es un poco; tiene algo de lógica circular, es decir, ellos entrenan todo lo que no es como las estrellas: son defectos de placa, con lo cual evidentemente todo lo que no sean, no sé si me explico, que si hubiera ovnis de verdad te los reconocería el algoritmo como defectos de placa. O sea, el algoritmo está como diciendo: los PCFs asociados a estrellas y los PCFs asociados a ese tipo de manchitas, tipo artefacto, tienen ligeras diferencias que el algoritmo es capaz de identificar y diferenciar, y por eso los marca a todos como defectos. Exactamente, es justo eso. Entonces bueno, y luego lo que ha salido hace unos meses es una respuesta del grupo de Beatriz a esta crítica diciendo: Ellos también se dan cuenta que el clasificador de la red neuronal no tiene mucho sentido y el hecho de que sean más redondos que estrellas a ellos les gusta porque lo hacen más consistente con su idea de que son satélites y lo que ves es un reflejo puntual…