-
题名基于DenseNet的经典-量子混合分类模型
被引量：1
- 1
-
-
作者
翟飞宇
马汉达
-
机构
江苏大学计算机科学与通信工程学院
-
出处
《计算机应用》
CSCD
北大核心
2024年第6期1905-1910,共6页
-
基金
镇江市重点研发计划项目(GY2023034)。
-
文摘
现有的图像分类模型越来越复杂,计算时所需的硬件资源和计算时间不断增加。针对该问题提出一种基于DenseNet的经典-量子混合分类模型(CQDenseNet模型)。首先,使用一个可在噪声中尺度量子(NISQ)设备上运行的变分量子电路(VQC)作为分类器,替换DenseNet全连接层;其次,使用迁移学习,利用在ImageNet数据集上预先训练好的DenseNet模型作为CQDenseNet的预训练模型;最后,将CQDenseNet模型在中草药分类数据集和CIFAR-100数据集上与基准模型AlexNet、GoogLeNet、VGG19、ResNet和DenseNet-169进行对比。实验结果表明,CQDenseNet模型比所有基准模型中表现最好的基准模型:准确率分别提高了2.2、7.4个百分点,精确率分别提高了2.2、7.3个百分点,召回率分别提高了2.2、7.1个百分点,F1值分别提高了2.3、6.4个百分点,说明了经典-量子混合模型的性能优于经典模型。
-
关键词
DenseNet
经典-量子混合模型
图像分类
迁移学习
变分量子电路
-
Keywords
DenseNet
hybrid classical-quantum model
image classification
transfer learning
Variational Quantum Circuit(VQC)
-
分类号
TP389.1
[自动化与计算机技术—计算机系统结构]
-
