一种图像分类方法及相关装置制造方法及图纸

本申请公开了一种图像分类方法，包括：对待识别图像数据进行量子态化处理，得到量子态输入数据；根据卷积网络参数和训练参数采用设置有量子旋转门的卷积核对所述量子态输入数据进行计算，得到隐藏层数据；根据输出通道参数和训练参数采用设置有量子旋转门的卷积核对所述隐藏层数据进行计算，得到输出量子比特；对所述输出量子比特进行分类，得到分类结果。通过在隐藏层和输出层均采用设置有量子旋转门的卷积核进行计算，以便保持量子卷积网络的线性输出，避免出现不可知的问题，提高图像识别的准确性和精度。本申请还公开了一种图像分类装置、服务器以及计算机可读存储介质，具有以上有益效果。有以上有益效果。有以上有益效果。

【技术实现步骤摘要】
一种图像分类方法及相关装置


[0001]本申请涉及量子计算
，特别涉及一种图像分类方法、图像分类装置、服务器以及计算机可读存储介质。

技术介绍

[0002]随着量子技术的不断发展，被应用在越来越多的领域中。其中，量子信息是量子物理与信息技术相结合发展起来的新学科，主要包括量子通信和量子计算两个领域。量子通信主要研究量子密码、量子隐形传态、远距离量子通信的技术等等；量子计算主要研究量子计算机和适合于量子计算机的量子算法。
[0003]在量子计算的相关技术中，仅有的一些在隐藏层采用相邻两像素池化方法，即相邻的两像素相乘作为该位置输出。而在输出层仍使用传统分类方法，例如Softmax函数作为分类函数。Softmax在机器学习中有非常广泛的应用，非常多的多分类神经网络、卷积神经网络在输出层采用这种函数。但是，在实际使用中这种分类函数的量子卷积神经网络存在以下问题：首先卷积核的大小和卷积方式固定，只能应用在维数较低的数据中，对于不同数据集的扩展性很差，应用场景局限。然后是分类函数的非线性问题，导致非线性计算过程会存在一些不可预知的问题，降低本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分类方法，其特征在于，包括：对待识别图像数据进行量子态化处理，得到量子态输入数据；根据卷积网络参数和训练参数采用设置有量子旋转门的卷积核对所述量子态输入数据进行计算，得到隐藏层数据；根据输出通道参数和训练参数采用设置有量子旋转门的卷积核对所述隐藏层数据进行计算，得到输出量子比特；对所述输出量子比特进行分类，得到分类结果。2.根据权利要求1所述的图像分类方法，其特征在于，还包括：采用卷积神经网络和量子计算原理对训练数据进行训练处理，得到所述训练参数。3.根据权利要求1所述的图像分类方法，其特征在于，对待识别图像数据进行量子态化处理，得到量子态输入数据，包括：通过三角函数对所述待识别图像数据进行量子态映射处理，得到所述量子态输入数据。4.根据权利要求1所述的图像分类方法，其特征在于，根据卷积网络参数和训练参数采用设置有量子旋转门的卷积核对所述量子态输入数据进行计算，得到隐藏层数据，包括：根据所述卷积网络参数和所述训练参数对所述设置有量子旋转门的卷积核进行设置，得到隐藏层；采用所述隐藏层对所述量子态输入数据进行计算，得到所述隐藏层数据。5.根据权利要求1所述的图像分类方法，其特征在于，根据输出通道参数和训练参数采用设置有量子旋转门的卷积核对所述隐藏层数据进行计算，得到输出量子比特，包括：根据所述输出通道参数和所述训练参数对所述设置有量子旋转门的卷积核进行设置，得到所述输出层...

【专利技术属性】
技术研发人员：姜金哲，张新，李辰，李红珍，
申请(专利权)人：苏州浪潮智能科技有限公司，
类型：发明
国别省市：