计算机应用

作者：翟飞宇, 马汉达

单位：江苏大学 计算机科学与通信工程学院，江苏 镇江 212013

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

基金：镇江市重点研发计划项目(GY2023034)

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。

来源：2024年第6期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第6期