量子预处理滤波器在小样本二值图像分类中的应用
计算机视觉与模式识别
2024-12-17 v2 机器学习
摘要
过去几年，量子机器学习（QML）因有望变革机器学习领域而备受研究者关注。已有若干利用量子力学特性的模型被开发用于实际应用。本研究探讨了将我们此前提出的量子预处理滤波器（QPF）应用于二值图像分类。我们在四个数据集上评估QPF：MNIST（手写数字）、EMNIST（手写数字与字母）、CIFAR-10（照片图像）与GTSRB（真实交通标志图像）。与先前多类分类结果类似，QPF将基于神经网络对MNIST、EMNIST与CIFAR-10的二值分类准确率分别从98.9%提升至99.2%、97.8%至98.3%、71.2%至76.1%，但对GTSRB从93.5%降至92.0%。我们随后在训练与测试样本更少（每类分别80与20个）的情况下应用QPF。为获得统计稳定结果，我们以100次试验随机选取不同训练与测试样本并取平均。结果显示，QPF未提升对MNIST与EMNIST的图像分类准确率，但将CIFAR-10与GTSRB分别从65.8%提升至67.2%、90.5%至91.8%。未来工作将开展进一步研究，探究QPF潜力以评估所提方法在更大型复杂数据集上的可扩展性。
引用
@article{arxiv.2308.14930,
title = {Application of Quantum Pre-Processing Filter for Binary Image Classification with Small Samples},
author = {Farina Riaz and Shahab Abdulla and Hajime Suzuki and Srinjoy Ganguly and Ravinesh C. Deo and Susan Hopkins},
journal= {arXiv preprint arXiv:2308.14930},
year = {2024}
}
备注
This paper is accepted by Journal of Data Science and Intelligent Systems (JDSIS)