.png){kind=icon}
返回
Quantum Convolutional Neural Network for Image Retrieval
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-95-4398-4_15.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在信息过载的时代，从大规模数据库中高效检索相关图像对于文档分析、医学影像、遥感以及监控等领域至关重要。本文介绍了一种名为混合量子神经网络（HQNN）的新型图像检索模型。所提出的模型将参数化量子电路嵌入到经典CNN架构中，以增强特征表示并减少参数开销。从卷积层提取的紧凑特征通过并行量子层进行处理，以捕捉高层特征抽象并获得更准确的结果。采用了多种相似度度量，包括量子、欧氏和曼哈顿相似度，以实现最终检索结果。我们在Corel-5K数据集上评估了所提出的模型，结果表明HQNN优于其经典CNN对应模型。值得注意的是，HQNN在使用量子相似度时实现了85.57%的Top-20查准率，超越了经典CNN的性能。这些发现验证了量子计算在基于内容的图像检索（CBIR）中的潜力和适用性。这项工作为不断发展的量子机器学习（QML）领域做出了贡献，为下一代智能图像检索系统提供了有前景的方向。
Keyword:
Quantum Convolutional Neural Network
Quantum Computing
Image Retrieval
Feature Extraction
期刊
P
IF:
0
论文数:
29
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容