基于量子卷积 Ansatz 的 RGB 图像分类
量子物理
2022-02-24 v2 计算机视觉与模式识别
机器学习
摘要
随着量子硬件技术中量子比特数量和相干时间的快速增长，在所谓的含噪中等规模量子（NISQ）设备上实现浅层神经网络引起了广泛关注。目前已有许多针对灰度图像分类任务提出的量子（卷积）电路 ansatz，并取得了有前景的实验结果。然而，当将这些 ansatz 应用于 RGB 图像时，对视觉任务有用的通道内信息并未得到有效提取。在本文中，我们提出了两种类型的量子电路 ansatz 来模拟 RGB 图像上的卷积操作，它们的区别在于提取通道间和通道内信息的方式不同。据我们所知，这是首个有效处理 RGB 图像的量子卷积电路工作，与纯经典 CNN 相比具有更高的测试准确率。我们还研究了量子电路 ansatz 的规模与混合量子-经典卷积神经网络可学习性之间的关系。通过基于 CIFAR-10 和 MNIST 数据集的实验，我们证明了更大规模的量子电路 ansatz 能够提升多分类任务中的预测性能，为近期量子算法的发展提供了有用的见解。
引用
@article{arxiv.2107.11099,
title = {RGB Image Classification with Quantum Convolutional Ansaetze},
author = {Yu Jing and Xiaogang Li and Yang Yang and Chonghang Wu and Wenbing Fu and Wei Hu and Yuanyuan Li and Hua Xu},
journal= {arXiv preprint arXiv:2107.11099},
year = {2022}
}
备注
https://link.springer.com/article/10.1007/s11128-022-03442-8