BYOL 特征加 Protege 主动学习在 MGCLS 中筛出前 100 名候选，99 个呈弥漫射电特征、55 个确认为星系团相关辐射
该工作把自监督深度学习算法 BYOL 提取的源图像特征输入 Astronomaly: Protege 主动学习框架，在 MeerKAT 星系团遗产巡天（MGCLS）的高分辨率（约 7 角秒）、卷积（15 角秒）以及两者拼接的特征上评估管线，用人工标注目录中的示踪源作为引导与基准；结果显示高分辨率特征在早期识别上优于卷积特征、拼接特征整体最优，按 Protege 排序的前 100 个源中有 99 个呈现某种弥漫射电特征、55 个确认为星系团相关弥漫辐射，且仅用 300 个人工标签即可在 62,587 个源中检出 121 个示踪源中的 55 个。