Quanv4EO：通过量子卷积神经网络赋能地球观测

每天由许多地球观测（EO）太空和空中传感器从我国各地生成大量遥感数据。不同应用使用这些数据，例如自然灾害监测、全球气候变化、城市规划等。由于使用这些大数据在遥感应用中带来的诸多挑战。近年来，采用机器学习（ML）和深度学习（DL）基于算法的方法，使我们更有效地使用这些数据，但由于经典计算机已达到其限制，管理、处理和高效利用这些数据的问题反而增加。本文突出了一种significant shift towards leveraging quantum computing techniques in processing large volumes of remote sensing data。提出的Quanv4EO模型引入了一种用于预处理多维EO数据的方法。首先通过在MNIST和Fashion MNIST数据集上的图像分类任务演示其有效性，随后展示其在遥感图像分类和过滤方面的能力。关键发现表明，所提出的模型不仅在图像分类中保持高精度，而且在EO应用中比经典方法提高了约5%。此外，所提出的框架在参数规模大幅减少且无需训练量子核的情况下脱颖而出，为处理大规模数据集提供了更好的可扩展性。这些进步凸显了量子计算在解决遥感应用中经典算法局限性方面的前景，为图像数据分类和分析提供了更有效和更高效的替代方案。