[发明专利]一种量子图像识别方法及装置

权利要求书

1.一种量子图像识别方法，其特征在于，包括：

接收目标图像数据；

将所述目标图像数据输入预先训练完成的、用于量子卷积操作的一层或多层量子卷积神经网络，运行所述量子卷积神经网络，获得并测量携带所述目标图像数据的特征信息的量子态，其中，所述量子卷积神经网络由包含可调参数的量子线路构建，每一层量子卷积神经网络包括用于将目标输入编码到量子态上的量子态编码子线路、用于关联量子比特的量子态信息的量子纠缠子线路和用于提取量子态信息携带的像素点对应的特征信息的量子卷积核子线路，所述目标输入在第一层量子卷积神经网络中为所述目标图像数据的像素点信息，在除第一层之外的量子卷积神经网络中是根据上一层量子卷积神经网络的测量结果确定的；

将所述量子态的测量结果输入预选训练完成的经典神经网络，输出所述目标图像数据的识别结果。

2.根据权利要求1所述的方法，其特征在于，所述目标图像数据包括：灰度图像数据或彩色图像数据。

3.根据权利要求1所述的方法，其特征在于，所述将所述目标图像数据输入预先训练完成的、用于量子卷积操作的一层或多层量子卷积神经网络，包括：

根据所述目标图像数据的像素点信息，确定所述量子态编码子线路中量子逻辑门的待输入参数值；

将所述待输入参数值，输入所述量子态编码子线路。

4.根据权利要求1所述的方法，其特征在于，所述运行所述量子卷积神经网络，获得并测量携带所述目标图像数据的特征信息的量子态，包括：

在所述一层或多层量子卷积神经网络为一层的情况下，依次运行所述量子态编码子线路、量子纠缠子线路和量子卷积核子线路；

对所述量子卷积核子线路中的预设量子比特进行测量，得到测量出的各量子态及其概率，作为所述量子卷积神经网络的测量结果；

在所述一层或多层量子卷积神经网络为多层的情况下，依次运行各层量子卷积神经网络，对每一层量子卷积神经网络中量子卷积核子线路的预设量子比特进行测量，直至得到最后一层量子卷积神经网络的测量结果。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述将所述量子态的测量结果输入预选训练完成的经典神经网络，输出所述目标图像数据的识别结果，包括：

根据所述量子卷积神经网络的测量结果，计算所述目标图像数据的卷积结果；

将所述卷积结果输入预选训练完成的经典神经网络，根据所述经典神经网络中神经元的权重，计算各个图像类别对应的概率；

根据所述各个图像类别对应的概率，输出所述目标图像数据的识别结果。

6.一种量子图像识别装置，其特征在于，包括：

数据接收模块，用于接收目标图像数据；

输入运行模块，用于将所述目标图像数据输入预先训练完成的、用于量子卷积操作的一层或多层量子卷积神经网络，运行所述量子卷积神经网络，获得并测量携带所述目标图像数据的特征信息的量子态，其中，所述量子卷积神经网络由包含可调参数的量子线路构建，每一层量子卷积神经网络包括用于将目标输入编码到量子态上的量子态编码子线路、用于关联量子比特的量子态信息的量子纠缠子线路和用于提取量子态信息携带的像素点对应的特征信息的量子卷积核子线路，所述目标输入在第一层量子卷积神经网络中为所述目标图像数据的像素点信息，在除第一层之外的量子卷积神经网络中是根据上一层量子卷积神经网络的测量结果确定的；

结果输出模块，用于将所述量子态的测量结果输入预选训练完成的经典神经网络，输出所述目标图像数据的识别结果。

7.根据权利要求6所述的装置，其特征在于，所述目标图像数据包括：灰度图像数据或彩色图像数据。

8.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至5任一项所述的方法。

9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至5任一项所述的方法。