基于电路的混合量子神经网络用于遥感影像分类的研究
图像与视频处理
2024-10-28 v2 计算机视觉与模式识别
新兴技术
量子物理
摘要
本文旨在研究基于电路的混合量子卷积神经网络(QCNNs)如何能成功用作遥感背景下的图像分类器。混合 QCNN 通过在标准神经网络中引入量子层,丰富了 CNN 的经典架构。本工作提出的新型 QCNN 应用于土地利用与土地覆盖(LULC)分类,选为地球观测(EO)用例,并在作为参考基准的 EuroSAT 数据集上测试。多类分类的结果证明了所提方法的有效性,表明 QCNN 的性能高于经典对应方法。此外,对各种量子电路的考察表明,利用量子纠缠的电路取得了最佳分类分数。本研究强调了将量子计算应用于 EO 案例的潜力,并为未来的研究提供了理论与实验基础。
引用
@article{arxiv.2109.09484,
title = {On Circuit-based Hybrid Quantum Neural Networks for Remote Sensing Imagery Classification},
author = {Alessandro Sebastianelli and Daniela A. Zaidenberg and Dario Spiller and Bertrand Le Saux and Silvia Liberata Ullo},
journal= {arXiv preprint arXiv:2109.09484},
year = {2024}
}
备注
Submitted to the JSTARS special issue on "Quantum resources for Earth Observation" for possible publication