基于远程感知图像的量子增强视觉Transformer用于洪水检测
机器学习
2026-03-17 v1 人工智能
摘要
可靠的洪水检测对于灾害管理至关重要，但经典深度学习模型常常难以处理遥控数据中所固有的高维非线性复杂性。为缓解这些局限性，我们提出了一种新颖的量子增强视觉Transformer (ViT)，将transformer的全局上下文感知能力与量子计算的表征提取能力相结合。使用遥感图像，我们开发了一种混合架构，通过平行路径处理输入，包括ViT主干和利用4量子比特可参数化量子电路进行局部特征映射的量子分支。将这些不同表示融合以优化二分类。结果表明，所提出的混合模型显著优于经典ViT基线，将整体准确率从84.48%提高到94.47%，F1分数从0.841提高到0.944。值得注意的是，量子集成在复杂地形中显著提升了两类的判别能力。这些发现验证了量子-经典混合模型在水文监测和地球观测应用中提升精度的潜力。
引用
@article{arxiv.2603.13689,
title = {Quantum-Enhanced Vision Transformer for Flood Detection using Remote Sensing Imagery},
author = {Soumyajit Maity and Behzad Ghanbarian},
journal= {arXiv preprint arXiv:2603.13689},
year = {2026}
}