Resumo Apresentamos um método para detectar objetos fracos e em movimento rápido em séries temporais de imagens astronômicas usando segmentação de imagem via uma rede neural convolucional recorrente chamada SMDET. Usamos SMDET para segmentar séries temporais de imagens do Wide-field Infrared Survey Explorer (WISE) que cobrem o céu inteiro e classificamos regiões do céu de acordo com a presença prevista de objetos fracos e rápidos. Inspecionamos visualmente as regiões do céu classificadas entre os 0,01% superiores e descobrimos centenas de objetos em movimento que são sujeitos a publicações existentes e futuras. Usamos uma amostra limitada por volume (≤20 pc) de anões marrons fracos e de alta movimentação própria para estimar o desempenho da classificação e encontramos que recuperamos 94% dessa amostra nas regiões do céu classificadas entre os 0,01% superiores. Medimos astrometria e fotometria a partir da saída do SMDET e descobrimos que nossa busca abrange objetos mais fracos do que qualquer busca anterior baseada em WISE para objetos com alta movimentação própria (> 0 . ″ 35 yr - 1 ). Nossos resultados demonstram que nosso método detecta efetivamente tais objetos em séries temporais de imagens astronômicas e pode ser usado para buscar conjuntos de dados existentes, como exposições únicas do WISE, e conjuntos de dados futuros de instalações como o Observatório Vera C. Rubin, o Telescópio Espacial Nancy Grace Roman e o Surveyor de Objetos Próximos à Terra (NEO).
Caselden et al. (Mon,) estudaram essa questão.