TY - JOUR TI - 单和日冕暗的多波长检测和日冕波使用更快的R-CNN VL - 2019 PY - 2019 DA - 2019年7月8日DO - 10.1155 /七百八十二万一千○二十五分之二千○十九UR - https://doi.org/10.1155 /七百八十二万一千○二十五分之二千○一十九AB - 自动探测太阳活动，尤其是罕见的事件，如日冕暗（CD）和冠波（CW）的，是太阳物理学的研究非常重要。在CD和CW不仅关系到探测日冕物质抛射的同时也影响空间天气。在本文中，我们有自动检测他们研究的方法。此外，我们已经收集和处理的数据集，其包括太阳能图像和事件记录，其中太阳能图像来自太阳动力学观测的大气成像组件（AIA）（SDO）和事件记录来自太阳物理学事件知识库（HEK）。从之前所使用的方法不同的是，我们引入深度学习的想法。我们培养的单波长和基于更快的R-CNN多波长模式。在准确度方面，单波长模型进行更好。的多波长模式对多个太阳能事件比单波长模型更好的检测性能。JF - 进展天文学SN - 1687-7969 PB - Hindawi出版SP - 7821025 KW - A2 - 王华宁AU - 谢，Zongxia AU - 吉，春阳ER -