PixInsight

Povídání o astronomické literatuře, počítačových planetáriích, hvězdných mapách, atd.
Odpovědět
Uživatelský avatar
Pidrman
Příspěvky: 1172
Registrován: 24. 08. 2010, 09:32
Bydliště: Žatec
Věk: 44
Kontaktovat uživatele:

Re: PixInsight

#1396

Příspěvek od Pidrman »

Nooooo, fakt dobrý :-)
Montáž : EQ6-R SYNSCAN, HEQ-5 PRO SYNSCAN, Star Adenturer
Dalekohled : Newton 200/800 vlastní stavba, SW ED 80/600, ES MN-152/740
Kamera : ZWO ASI 294 MC, ASI 120 mm, QHY 5L II M
http://www.pidrmanphoto.cz/
https://astrofotky.cz/~Pida
Uživatelský avatar
hades
Příspěvky: 2786
Registrován: 01. 11. 2017, 10:02
Věk: 40

Re: PixInsight

#1397

Příspěvek od hades »

Trošku mi to začíná připomínat populární zvětšování a zaostřování z nekvalitních kamerových záznamů v amerických kriminálních seriálech :mrgreen:
William Optics FluoroStar 110, ASI294MC Pro, EQ-6 R, Berlebach Planet, SVBony SV305M Pro, Intel NUC, DeepSkyDad AF3 a pár dalších kravin vlastní výroby
Astrofotky
Uživatelský avatar
MMys
Příspěvky: 17107
Registrován: 02. 01. 2001, 05:03
Bydliště: Běleč nad Orlicí
Věk: 49
Kontaktovat uživatele:

Re: PixInsight

#1398

Příspěvek od MMys »

Tak dramaticky bych to neviděl. :)

Dekonvoluce je normální matematická metoda, pomocí které se dá rekonstruovat signál, který je rozostřený (rozostřený konvolucí původního signálu s PSF funkcí soustavy dalekohled - atmosféra). To vede k tomu, že detaily se rozmažou, ale nezmizí úplně (resektive ne všechny, je tam hranice rozměru, od kterého už jsou detaily ztraceny kompletně, ty větší jsou ale zobrazeny, pouze s více či méně sníženým kontrastem)
A právě ty, které se v signálu ještě vyskytují, tahle metoda rekonstruuje.

Zvětšování záznamu s omezeným rozlišením je něco trochu jiného, tam je nedostatečně jemné vzorkování signálu.

Zde ale zpracováváme signály, které jsou vůči aktuálnímu FWHM převzorkované třeba 5x, mnohdy i 10x, a tam je opravdu jistý prostor pro získání části detailů zpět. Skoro všichni to stejně i doteď dělali, byť ne tak dobrými algoritmy. Aplikace neuronové sítě a brutálního výpočetního výkonu na všech dostupných jáderch je opravdu posun vpřed, a při rozumném nastavení to naopak vyrábí méně nesmyslů, než klasická dekonvoluce používaná doposud.
http://hvbo.cz/foto_astronomy_cz, http://hvbo.cz, e-mail: martin(*)myslivec(a)volny(*)cz, Dobson 400mm, N400/1600, Refraktor Borg 77ED, Montáž EQ6, Hvězdárna s montáží vlastní výroby, kamery MII C3-61000, ZWO ASI 1600MM
Uživatelský avatar
Nascarphone
Příspěvky: 251
Registrován: 17. 08. 2011, 20:53
Bydliště: Praha Letňany
Věk: 35

Re: PixInsight

#1399

Příspěvek od Nascarphone »

Možná tady už toto téma proběhlo, jedná se o podporu CUDA. Našel jsem návod https://darkskies.space/pixinsight-starnet-cuda/ na instalaci CUDA do Pixi. Moje sestava se skládá z Ryzen 9 5900X tj 12ti jádro, rychlý M.2 disk, 32GB ramky a podobně. Jen jsem si dal do nového PC starou grafiku GT 1030 (DDR5). Zajímalo mě tedy, jaký to bude mít výkon. Četl jsem, že 1030 nemá skoro žádný výkon a je to ztráta času. Všechno jsem nainstaloval podle návodu (určitě je dobré si původní tensorflow přejmenovat třeba na tensorflow1). Jaký je tedy výsledek?
Vzal jsem jeden obrázek a spustil StarNet2:
CPU 9 5900X to udělalo za 86s ... GPU 1030 to zvládla za 57s. To je o nějakých 30% lepší výsledek, není to mnoho, musíme ale vzít v potaz, že tady poráží levná grafika celkem našlapaný (ano, už jsou lepší CPU) procesor s 12 jádry. Použil jsem krok 128 ve Starnetu2 a CPU to udělal za 6min 28s ... GPU 4min 14s, tedy opět 30% lepší. CPU si řekne při 100% zátěži o nějakých 140W ... Grafika si řekla o 25W a CPU využití 11% - 75W.
Snad bude pro někoho toto srovnání užitečné. Pro mě je celkem milé překvapení výkon 1030, není to takový skok jako z 15min na 30s, ale příjemný krůček, který potěší a důkaz, že i levná grafika něco dokáže. ;)
Celestron RASA 11; Nexstar Evo C9.25+hyperstar; SW 50ED Evoguide
Daystar Quark Chromosphere
SW EQ-8R Pro
ZWO ASI 1600MMC; 2600MC
APM 20x80 ED Triplet
http://astrofotky.cz/~LiJak
https://www.flickr.com/photos/193485630@N06/
Odpovědět