用于手绘草图矢量化图像分类的混合经典-量子架构
量子物理
2024-07-10 v1 人工智能
计算机视觉与模式识别
摘要
量子机器学习（QML）研究如何利用量子现象以另一种方式学习数据，例如通过量子计算机。虽然最近的结果表明，QML模型在特定任务上可能超越其经典对应物的性能，但量子技术硬件尚未准备好在对计算机科学界广泛范围具有重要意义的任务中达到量子优势。最近的进展表明，混合经典-量子模型可以在低架构复杂度下轻松获得有竞争力的性能。此类研究通常针对图像处理任务进行，并且明显局限于对表示为二维像素网格的栅格图像进行建模。在这里，我们引入基于矢量的草图表示作为QML模型的测试平台。这种低维数据结构有助于基准测试模型性能，特别是在当前的过渡时期，量子电路的经典仿真在量子比特数量上自然受到限制，并且量子硬件不易用于进行大规模实验。我们在一个典型的草图识别问题上报告了原始混合经典-量子架构的一些令人鼓舞的结果。
引用
@article{arxiv.2407.06416,
title = {Hybrid Classical-Quantum architecture for vectorised image classification of hand-written sketches},
author = {Y. Cordero and S. Biswas and F. Vilariño and M. Bilkis},
journal= {arXiv preprint arXiv:2407.06416},
year = {2024}
}