机构名称：
¥ 1.0
a 计算机科学学院，加拿大国际学院 (CIC)，新开罗，埃及 b 计算机科学系，特洛伊大学科学技术学院，美国 摘要 多类图像分类被认为是计算机视觉中的一项具有挑战性的任务，需要将图像正确地分类到多个不同组之一。近年来，量子机器学习已成为研究人员关注的话题。利用叠加和纠缠等量子概念，量子机器学习算法提供了一种更有效的方法来处理和分类高维图像数据。本文提出了一种使用量子启发式卷积神经网络架构（简称 QCNN）的新图像分类模型。所提出的模型包括两个主要阶段；基于 QCNN 阶段的预处理和分类。采用具有不同特征的七个基准数据集来评估所提出模型的性能。实验结果表明，所提出的 QCNN 优于其经典版本。此外，与最先进的模型相比，结果证明了所提出的模型的有效性。 关键词 1 量子计算、卷积神经网络、图像分类、量子机器学习
基于量子的多类图像分类...
主要关键词
相关文件推荐
