量子？基于 Q-Seg、量子启发技术与 U-Net 的裂缝分割比较研究
计算机视觉与模式识别
2024-10-15 v1 无序系统与神经网络
图像与视频处理
摘要
探索利用量子硬件来增强经典和实际应用的潜力是一项持续进行的挑战。本研究评估了量子方法和量子启发方法与经典模型在裂缝分割中的性能。使用标注的灰度图像块对混凝土样本进行基准测试，我们对比了经典的高斯混合技术、量子启发的fermion-based方法、Q-Seg 基于量子退火的方法，以及 U-Net 深度学习架构。我们的结果表明，量子启发和量子方法为图像分割提供了有前景的替代方案，特别是针对复杂裂缝模式，可能将用于未来的应用中。
引用
@article{arxiv.2410.10713,
title = {Benefiting from Quantum? A Comparative Study of Q-Seg, Quantum-Inspired Techniques, and U-Net for Crack Segmentation},
author = {Akshaya Srinivasan and Alexander Geng and Antonio Macaluso and Maximilian Kiefer-Emmanouilidis and Ali Moghiseh},
journal= {arXiv preprint arXiv:2410.10713},
year = {2024}
}