基于量子机器学习的梵地格手写数字识别
量子物理
2025-06-12 v1 计算机视觉与模式识别
机器学习
摘要
区域性手写数字识别，如梵地格文字，是多语言文档数字化、教育工具及文化遗产保存的关键。该脚本的复杂结构和有限的标注数据集为传统模型带来了重大挑战。本文提出首个用于梵地格手写数字识别的混合量子-经典架构，结合卷积神经网络（CNN）进行空间特征提取与 10 量子位变分量子电路（VQC）进行量子增强分类。模型在梵地格手写字符数据集（DHCD）上训练和评估，实现了量子实现的时代最佳测试准确率 99.80%，测试损失为 0.2893，平均每类 F1 分数为 0.9980。与等效经典 CNN 相比，本模型在显著参数更少的前提下实现了更高准确率，并展现出更强的鲁棒性。通过利用叠加和纠缠等量子原理，本工作为区域性脚本识别树立了新基准，凸显了量子机器学习（QML）在实际低资源语言环境中的前景。
引用
@article{arxiv.2506.09069,
title = {Devanagari Digit Recognition using Quantum Machine Learning},
author = {Sahaj Raj Malla},
journal= {arXiv preprint arXiv:2506.09069},
year = {2025}
}
备注
9 pages, 4 figures, arXiv preprint, code available upon request