图像分类方法、装置、电子设备及计算机可读存储介质制造方法及图纸

本发明专利技术实施例提出一种图像分类方法、装置、电子设备及计算机可读存储介质，属于量子计算领域，将目标图像的图像数据编码至有多个量子比特的第一量子态，并将所述第一量子态输入预先训练的量子分类模型，从而通过含参量子线，以不同方向在量子比特上进行特征提取，得到多个第一局部特征和第二局部特征，将多个第一局部特征和多个第二局部特征拼接得到融合特征，进而使用全连接网络对融合特征进行分类处理，得到分类结果，实现对目标图像的图像数据在不同方向上进行特征提取以及进行多特征融合，能够加强数据间的联系，进而提升十分类等多分类任务的分类效果。等多分类任务的分类效果。等多分类任务的分类效果。

【技术实现步骤摘要】
图像分类方法、装置、电子设备及计算机可读存储介质


[0001]本专利技术涉及量子计算领域，具体而言，涉及一种图像分类方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]变分影子量子学习(Variational Shadow Quantum Learning，VSQL)是一个在监督学习下的量子经典混合算法。VSQL使用参数化量子线路和影子特征，与通常使用的变分量子算法不同的是，VSQL只从子空间获取局部特征，而不是从整个希尔伯特空间获取特征。
[0003]目前的VSQL算法有两种：一种是基于百度飞桨和量桨实现的VSQL算法，另一种是基于量子机器学习框架VQNet实现的VSQL算法。然而，上述第一种VSQL算法必须使用百度飞桨和量桨软件包，第二种VSQL算法在进行十分类时，分类效果较差。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种图像分类方法、装置、电子设备及计算机可读存储介质，其能够改善目前的VSQL算法在进行十分类等多分类任务时，分类效果差的问题。
[0005]为了实现上述目的本文档来自技高网...

【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，所述方法包括：获取目标图像，将所述目标图像的图像数据编码至有多个量子比特的第一量子态上；将所述第一量子态输入预先训练的量子分类模型；其中，所述量子分类模型包括含参量子线路、特征融合层和全连接网络；通过所述含参量子线路，以不同方向，在量子比特上对所述第一量子态进行特征提取，得到多个第一局部特征和多个第二局部特征；通过所述特征融合层对所述多个第一局部特征和所述多个第二局部特征进行拼接得到融合特征，使用所述全连接网络对所述融合特征进行分类，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，所述通过所述含参量子线路，以不同方向，在量子比特上对所述第一量子态进行特征提取，得到多个第一局部特征和多个第二局部特征的步骤，包括：使用所述含参量子线路，对所述第一量子态在量子比特上进行水平滑窗，得到相邻的每两个量子比特间的第一局部特征；使用所述含参量子线路，对所述第一量子态在量子比特上进行垂直滑窗，得到相邻的每两个量子比特间的第二局部特征。3.根据权利要求1或2所述的图像分类方法，其特征在于，所述方法还包括：配置目标模型；将每个训练样本的图像数据编码至有多个量子比特的第二量子态；使用所有训练样本所对应的所述第二量子态，对所述目标模型进行迭代训练，得到量子分类模型。4.根据权利要求3所述的图像分类方法，其特征在于，所述目标模型包括含参量子线路、特征融合层和全连接网络；所述使用所有训练样本所对应的所述第二量子态，对所述目标模型进行迭代训练，得到量子分类模型的步骤，包括：获取训练样本，使用所述含参量子线路，对所述第二量子态在量子比特上分别进行水平滑窗和垂直滑窗，得到多个第一局部特征和多个第二局部特征；其中，所述第一局部特征为进行水平滑窗时从相邻的任两个量子比特间提取的特征，所述第二局部特征进行垂直滑窗时从相邻的任两个量子比特间提取的特征；将所述第一局部特征和所述第二局部特征输入所述特征融合层进行拼接，将拼接得到的融合特征输入至全连接网络进行分类，得到预测标签；若所述预测标签指示当前的所述目标模型满足预设收敛条件，则将当前的目标模型作为量子分类模型；若所述预测标签指示当前的所述目标模型不满足预设收敛条件，通过梯度下降法对所述目标模型进行参数调整，并在完成参数调整后，返回执行所述获取训练样本，使用所述含参量子线路，对所述第二量子态在量子比特上分别进行水...

【专利技术属性】
技术研发人员：请求不公布姓名，
申请(专利权)人：合肥本源量子计算科技有限责任公司，
类型：发明
国别省市：