机器学习中的量子张量网络：在微小目标分类中的应用

微小目标分类问题存在于许多机器学习应用中，如医学影像或遥感，其中感兴趣的目标通常占据整幅图像的很小区域。针对感兴趣的微小目标设计高效的机器学习模型具有挑战性。当前的神经网络结构无法高效处理微小目标，因为它们主要是为以大规模目标为特征的图片而开发的。然而，在量子物理中，有坚实的理论基础指导我们分析针对特定目标尺寸比的图像分类目标函数。在我们的工作中，我们应用张量网络来解决这一新兴的棘手机器学习问题。首先，我们总结了先前将量子自旋模型与图像分类联系的工作，并将该理论引入微小目标分类场景。其次，我们提出使用二维多尺度纠缠重整化拟设（MERA）对图像中的微小目标进行分类。最后，我们的实验结果表明张量网络模型对微小目标分类问题是有效的，并有可能击败最先进（SOTA）方法。我们的代码将在线提供：https://github.com/timqqt/MERA_Image_Classification。