采用神经量子核进行卫星图像分类
量子物理
2025-03-05 v2 机器学习
摘要
尽管在理论层面取得了显著进展，但实现量子机器学习的实际应用仍面临挑战。本文提出了一种 novel 方法，用于对卫星图像进行分类，这一任务在地球观测（EO）行业中具有特定意义。具体而言，我们聚焦于包含太阳能板的图像分类，解决一个复杂的实际分类问题。我们的 метод 首先采用经典预处理以降低卫星图像数据集的维度，然后应用神经量子核（NQKs）——即由训练好的量子神经网络（QNN）导出的量子核——进行分类。我们评估了该框架中的多种策略，结果表明与最佳经典方法相当。关键发现包括结果的鲁棒性及其可扩展性，成功实现了最高 8 比特的性能。
引用
@article{arxiv.2409.20356,
title = {Satellite image classification with neural quantum kernels},
author = {Pablo Rodriguez-Grasa and Robert Farzan-Rodriguez and Gabriele Novelli and Yue Ban and Mikel Sanz},
journal= {arXiv preprint arXiv:2409.20356},
year = {2025}
}