CN117522883A - 基于量子计算的图像处理方法、装置、电子设备和介质 - Google Patents
基于量子计算的图像处理方法、装置、电子设备和介质 Download PDFInfo
- Publication number
- CN117522883A CN117522883A CN202311544120.3A CN202311544120A CN117522883A CN 117522883 A CN117522883 A CN 117522883A CN 202311544120 A CN202311544120 A CN 202311544120A CN 117522883 A CN117522883 A CN 117522883A
- Authority
- CN
- China
- Prior art keywords
- target
- sub
- input
- image
- processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 567
- 238000005259 measurement Methods 0.000 claims abstract description 176
- 238000012549 training Methods 0.000 claims description 162
- 238000000034 method Methods 0.000 claims description 94
- 239000011159 matrix material Substances 0.000 claims description 69
- 239000013598 vector Substances 0.000 claims description 59
- 230000008569 process Effects 0.000 claims description 44
- 230000004044 response Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 12
- 238000013473 artificial intelligence Methods 0.000 abstract description 8
- 238000013135 deep learning Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 20
- 238000013527 convolutional neural network Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 238000004148 unit process Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012805 post-processing Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000002096 quantum dot Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N10/00—Quantum computing, i.e. information processing based on quantum-mechanical phenomena
- G06N10/20—Models of quantum computing, e.g. quantum circuits or universal quantum computers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Analysis (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Computational Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种图像处理方法,涉及人工智能技术领域,尤其涉及量子计算、深度学习、计算机视觉等技术领域。具体实现方案为:对输入图像进行划分,得到N个输入图像块;根据目标指示信息,利用多个量子处理单元分别处理至少一个输入图像块,得到多个测量结果,其中,目标指示信息包括多个目标指示子信息,目标指示子信息用于指示与量子处理单元对应的至少一个输入图像块;以及根据多个测量结果,确定输入图像的处理结果。本公开还提供了一种图像处理装置、电子设备和存储介质。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及量子计算、深度学习、计算机视觉等技术领域,可应用于社交媒体图像分析、智能交通监控、人脸识别、医学图像分析等场景下。更具体地,本公开提供了一种图像处理方法、装置、电子设备和存储介质。
背景技术
随着人工智能以及量子计算技术的发展,可以将量子计算技术引入人工智能任务中,以提高人工智能任务的执行效率。
发明内容
本公开提供了一种图像处理方法、装置、设备以及存储介质。
根据本公开的一方面,提供了一种图像处理方法,该方法包括:对输入图像进行划分,得到N个输入图像块,N为大于1的整数;根据目标指示信息,利用多个量子处理单元分别处理至少一个输入图像块,得到多个测量结果,其中,目标指示信息包括多个目标指示子信息,目标指示子信息用于指示与量子处理单元对应的至少一个输入图像块,至少一个量子处理单元处理的输入图像块的数目小于N;以及根据多个测量结果,确定输入图像的处理结果,其中,目标指示信息对初始指示信息进行至少一个调整周期的调整后确定的,至少一个调整周期中目标调整周期的指示信息是根据初始指示信息得到的,目标调整周期的指示信息是根据参考图像的标签和目标调整周期的输出结果调整的,目标调整周期的输出结果是利用多个量子处理单元分别处理参考图像的N个参考图像块得到的。
根据本公开的另一方面,提供了一种图像处理模型的训练方法,图像处理模型包括多个量子处理单元,该方法包括:对输入样本图像进行划分,得到N个输入样本图像块,N为大于1的整数;根据目标样本指示信息,利用多个量子处理单元分别处理至少一个输入样本图像块,得到多个样本测量结果,其中,目标样本指示信息包括多个目标样本指示子信息,目标样本指示子信息用于指示与量子处理单元对应的至少一个输入样本图像块,至少一个量子处理单元处理的输入样本图像块的数目小于N;以及根据输入样本图像的标签和多个样本测量结果,调整多个量子处理单元各自的参数信息,以训练图像处理模型,其中,目标样本指示信息对初始样本指示信息进行至少一个预训练周期的预训练后确定的,至少一个预训练周期中目标预训练周期的指示信息是根据初始指示信息得到的,目标预训练周期的指示信息是根据参考图像的标签和目标预训练周期的输出结果调整的,目标预训练周期的输出结果是利用多个量子处理单元分别处理参考图像的N个参考图像块得到的。
根据本公开的另一方面,提供了一种量子处理装置,该装置包括:多个量子执行单元,配置为分别处理至少一个输入图像块,得到多个测量结果,其中,至少一个输入图像块是根据目标指示信息从N个输入图像块中确定的,多个输入图像块是对输入图像进行划分得到的,N为大于1的整数;输出单元,配置为根据多个测量结果,确定输入图像的处理结果,其中,至少一个量子处理单元处理的输入图像块的数目小于N,目标指示信息对初始指示信息进行至少一个调整周期的调整后确定的,至少一个调整周期中目标调整周期的指示信息是根据初始指示信息得到的,目标调整周期的指示信息是根据参考图像的标签和目标调整周期的输出结果调整的,目标调整周期的输出结果是利用多个量子处理单元分别处理参考图像的N个参考图像块得到的。
根据本公开的另一方面,提供了一种量子处理设备,该设备包括:本公开提供的量子处理装置。
根据本公开的另一方面,提供了一种图像处理装置,该装置包括:第一划分模块,用于对输入图像进行划分,得到N个输入图像块,其中,N为大于1的整数;第一量子处理模块,用于根据目标指示信息,利用多个量子处理单元分别处理至少一个输入图像块,得到多个测量结果,其中,目标指示信息包括多个目标指示子信息,目标指示子信息用于指示与量子处理单元对应的至少一个输入图像块,至少一个量子处理单元处理的输入图像块的数目小于N;第一确定模块,用于根据多个测量结果,确定输入图像的处理结果,其中,目标指示信息对初始指示信息进行至少一个调整周期的调整后确定的,至少一个调整周期中目标调整周期的指示信息是根据初始指示信息得到的,目标调整周期的指示信息是根据参考图像的标签和目标调整周期的输出结果调整的,目标调整周期的输出结果是利用多个量子处理单元分别处理参考图像的N个参考图像块得到的。
根据本公开的另一方面,提供了一种图像处理模型的训练装置,图像处理模型包括多个量子处理单元,装置包括:第二划分模块,用于对输入样本图像进行划分,得到N个输入样本图像块,其中,N为大于1的整数;第二量子处理模块,用于根据目标样本指示信息,利用多个量子处理单元分别处理至少一个输入样本图像块,得到多个样本测量结果,其中,目标样本指示信息包括多个目标样本指示子信息,目标样本指示子信息用于指示与量子处理单元对应的至少一个输入样本图像块,至少一个量子处理单元处理的输入样本图像块的数目小于N;以及训练模块,用于根据输入样本图像的标签和多个样本测量结果,调整多个量子处理单元各自的参数信息,以训练图像处理模型,其中,目标样本指示信息对初始样本指示信息进行至少一个预训练周期的预训练后确定的,至少一个预训练周期中目标预训练周期的指示信息是根据初始指示信息得到的,目标预训练周期的指示信息是根据参考图像的标签和目标预训练周期的输出结果调整的,目标预训练周期的输出结果是利用多个量子处理单元分别处理参考图像的N个参考图像块得到的。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行根据本公开提供的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使计算机执行根据本公开提供的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现根据本公开提供的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开的一个实施例的图像处理方法的示意流程图;
图2A是根据本公开的一个实施例的输入图像的示意图;
图2B是根据本公开的另一实施例的输入图像的示意图;
图3是根据本公开的一个实施例的量子处理单元的示意图;
图4是根据本公开的一个实施例的多个量子处理单元的示意图;
图5是根据本公开的一个实施例的图像处理模型的训练方法的示意流程图;
图6是根据本公开的一个实施例的量子处理装置的示意图;
图7是根据本公开的一个实施例的量子处理设备的示意框图;
图8是根据本公开的一个实施例的图像处理装置的框图;
图9是根据本公开的一个实施例的图像处理模型的训练装置的框图;以及
图10是根据本公开的一个实施例的可以应用图像处理方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
人工智能技术可以应用于计算机视觉技术领域、自然语言处理技术领域以及音频处理技术领域。以计算机视觉领域为例,图像分类是计算机视觉领域的一个关键任务。图像分类任务的目的是:自动地确定输入图像的类别。该类别可以是用户自定义的。随着深度学习和卷积神经网络(CNN)的不断发展,图像分类广泛应用在许多细分领域中。例如,细分领域可以包括社交媒体的图像识别、智能交通监控、人脸识别技术以及医学图像分析等。这些应用使得图像分类变得越来越重要。图像分类有助于人们更好地理解和解释现实世界中的各种视觉信息。
随着量子计算技术的不断发展,研究人员开始将量子计算引入图像分类任务中,提出了量子神经网络模型(QNN)。在量子神经网络模型中,量子卷积神经网络(QCNN)是一种重要的模型。在经典的卷积神经网络的启发下,量子卷积神经网络可以使用量子卷积核来提取图像的特征信息。然而,与利用图形处理单元(GPU)加速训练经典卷积神经网络不同,难以利用硬件设备来显著加速量子卷积神经网络的运行。此外,在噪声中尺度量子(NoisyIntermediate-Scale Quantum,NISQ)设备上运行量子卷积神经网络,会非常耗时。原因在于,量子卷积神经网络的运行需要大量的量子电路运行次数,并获得对应的大量的量子测量结果。例如,对于一28x28像素的灰度图像,可以使用4量子比特的量子卷积核,一次处理2x2的局部区域,滑动步长为2。由此,一个单独的量子卷积层就需要运行196次量子电路,并获得对应的196个量子测量结果。
此外,图形处理单元可以实现并行数据处理。在利用图形处理单元加速的情况下,多个卷积核可以分别并行地处理图像的全部运行区域,以便获得该图像的不同尺度的特征。图形处理单元的资源成本较低,量子设备的资源成本较高。为了实现高效低成本的处理图像,在量子计算领域,可以调整量子卷积核的参数,以降低量子卷积核所需的资源开销。例如,可以开发表达能力更强的量子卷积核,也可以减少量子卷积核的总数。
此外,量子硬件资源限制了大规模的参数化量子电路(Parameterized QuantumCircuit,PQC)的应用,也限制了量子测量操作的执行次数,导致量子卷积神经网络的性能受限。在图像分类任务中,图像存在局部相似性。由此,在量子卷积核处理整个图像的情况下,会产生冗余信息。这对模型性能和效率都带来了挑战。
在一些实施例中,可以确定输入图像的多个图像块。可以依次处理全部的图像块。在处理每个图像块的过程中,可以将图像块的子图像块的多个像素编码为量子态,利用参数化量子电路处理该量子态,以获得测量特征。接下来,利用全连接层处理多个参数化量子电路各自的多个图像块的测量特征,可以得到图像处理结果。例如,以输入图像的尺寸是12×12为例,4量子比特的参数化量子电路可以为4个,图像块可以为3个。为了处理全部图像块,每个参数化量子电路的运行次数可以为36次。全连接层的参数量可以为288个。
然而,参数化量子电路需要多次运行来处理图像的全部子图像块,得到的测量特征的数量较多,导致资源开销较大,运行效率较低。此外,如上述,在参数化量子电路处理整个图像的情况下,会产生冗余信息,得到一些相同或相似的特征,导致全连接层的参数过多,也无法有效提高处理结果的精度。
因此,为了有效利用量子硬件设备的资源,本公开提供了一种图像处理方法,下面将进行说明。
图1是根据本公开的一个实施例的图像处理方法的示意流程图。
如图1所示,方法100可以包括操作S110至操作S130。
在操作S 11 0,对输入图像进行划分,得到N个输入图像块。
在本公开实施例中,可以利用各种方式对输入图像进行划分。N可以为大于1的整数。N个输入图像块可以包括输入图像块P1、……输入图像块PN。例如,以N=3为例,若输入图像的尺寸为12×12,可以将输入图像划分为3个输入图像块。输入图像块的尺寸可以为12×4。3个输入图像块可以包括输入图像块P1、输入图像块P2以及输入图像块P3。
在操作S120,根据目标指示信息,利用多个量子处理单元分别处理至少一个输入图像块,得到多个测量结果。
在本公开实施例中,多个量子处理单元可以为K个。K可以为大于1的整数。例如,K可以为4。
在本公开实施例中,量子处理单元可以为参数化量子电路。例如,量子处理单元可以为包括4个量子比特(qubit)的参数化量子电路。该量子处理单元可以处理2×2的图像块。
在本公开实施例中,目标指示信息可以包括目标指示子信息。目标指示子信息可以指示与量子处理单元对应的至少一个输入图像块。例如,多个目标指示子信息中的第一目标指示子信息可以指示第一量子处理单元对应输入图像块P1和输入图像块P2。可以利用第一量子处理单元处理输入图像块P1和输入图像块P2。又例如,以K=4为示例,多个目标指示子信息可以包括4个目标指示子信息。
在本公开实施例中,至少一个量子处理单元处理的输入图像块的数目小于N。例如,若目标指示子信息可以指示与量子处理单元对应的M个输入图像块,多个测量结果可以为K×M个测量结果。M可以为大于或等于1且小于N的整数。例如,以M=2为例,在利用第一量子处理单元处理输入图像块P1和输入图像块P2之后,可以得到与输入图像块P1对应的一测量结果,也可以得到与输入图像块P2对应的一测量结果。可以理解,不同目标指示子信息指示的输入图像块的数量可以不同,也可以相同,本公开对此不进行限制。
在本公开实施例中,目标指示信息对初始指示信息进行至少一个调整周期的调整后确定的。例如,初始指示信息可以是预设的,也可以是随机生成的,本公开对此不进行限制。
在本公开实施例中,至少一个调整周期中目标调整周期的指示信息是根据初始指示信息得到的。例如,若目标调整周期为至少一个调整周期中的第1个调整周期,可以将初始指示信息作为目标调整周期的指示信息。又例如,若目标调整周期不是第1个调整周期,目标调整周期的指示信息可以是对初始指示信息进行了至少一次调整得到的。
在本公开实施例中,目标调整周期的指示信息是根据参考图像的标签和目标调整周期的输出结果调整的,目标调整周期的输出结果是利用多个量子处理单元分别处理参考图像的N个参考图像块得到的。例如,每个量子处理单元可以处理N个参考图像块。根据参考图像的标签和目标调整周期的输出结果之间的差异,可以调整目标调整周期的指示信息。
在操作S130,根据多个测量结果,确定输入图像的处理结果。
在本公开实施例中,根据多个测量结果,可以确定输入图像的分类结果。
通过本公开实施例,量子处理单元处理至少一个图像块,可以降低量子处理单元的运行次数,进而降低图像处理所需的资源开销,提高图像处理效率。此外,目标指示信息是对初始指示信息进行至少一个调整周期的调整后得到的。由此,目标指示信息可以有效地指示图像中的重要区域,可以使得量子处理单元处理图像中的重要区域,以提高图像处理精度,也有助于降低同一量子处理单元处理相似图像块的概率,有助于减少信息冗余,可以在保证图像处理精度的情况下进一步提高图像处理效率,也可以显著地降低量子设备的资源开销。
可以理解,如上述,利用图形处理单元,多个卷积核可以并行地处理图像的全部区域,也可以处理输入图像的全部图像块。图形处理单元的资源成本较低。与量子处理设备相比,部署于图形处理单元的多个卷积核分别处理全部图像块所需的资源开销仍较低。在量子处理单元的资源成本较高的情况下,难以利用并行处理技术,来提高多个量子处理单元处理图像的效率。通过本公开实施例,至少一个量子处理单元处理的图像块数目小于N,可以有效地降低图像处理所需的资源开销,提高图像处理效率。
也可以理解,在利用多个卷积核并行处理全部图像块的情况下,卷积核可以充分利用图像的全部信息,以获得较高的图像处理精度。然而,为了提高量子处理单元处理图像的效率,量子处理单元可以不处理全部的图像块。通过本公开实施例,基于至少一次调整后得到的目标指示信息,可以合理地利用有限的量子计算资源来处理图像块,可以显著提高图像处理精度。在提高图像处理效率的情况下,也有助于提高图像处理的精度,并降低了量子设备的资源开销。
可以理解,上述量子处理单元可以实现卷积处理。即,量子处理单元可以作为量子卷积神经网络的量子卷积核。也可以理解,量子处理单元也可以实现人工智能领域的其他操作,本公开对此不进行限制。
可以理解,上文对本公开的图像处理方法进行了说明,下面将对输入图像的划分方式进行进一步说明。
在本公开实施例中,可以利用各种方式对输入图像进行划分。例如,以N=3为例,若输入图像的尺寸为12×12,可以将输入图像划分为3个输入图像块。输入图像块的尺寸可以为4×12,也可以为12×4。又例如,以N=4为例,若输入图像的尺寸为12×12,可以将输入图像划分为3个输入图像块。输入图像块的尺寸可以为12×3,也可以为6×6。下面将以N=3且输入图像块的尺寸为12×4为示例,结合图2A和图2B对输入图像的划分方式进行一步说明。
图2A是根据本公开的一个实施例的输入图像的示意图。
如图2A所示,图像I200可以作为一输入图像,可以被划分3个输入图像块。3个输入图像块可以包括输入图像块P201、输入图像块P202和输入图像块P203。
图2B是根据本公开的另一实施例的输入图像的示意图。
如图2B所示,输入图像I210也可以作为一输入图像,可以被划分3个输入图像块。3个输入图像块可以包括输入图像块P211、输入图像块P212和输入图像块P213。输入图像块P211可以为上述输入图像块P1。输入图像块P212可以为上述输入图像块P2。输入图像块P213可以为上述输入图像块P3。
可以理解,上文对本公开的输入图像进行了说明,下面将对本公开的目标指示信息进行说明。
在一些实施例中,目标指示信息可以包括目标矩阵。目标指示子信息可以为目标矩阵的目标行数据。
在本公开实施例中,目标矩阵的行数目可以与量子处理单元的数目一致。目标矩阵的列数目可以与输入图像块的数目一致。例如,如上述,量子处理单元可以为K个,输入图像块可以为N个。由此,目标矩阵可以为K×N的矩阵。
又例如,以K=4且N=3为示例,目标矩阵B可以为:
在本公开实施例中,多个目标指示子信息可以包括第一目标指示子信息至第四目标指示子信息。第一目标指示子信息、第二目标指示子信息、第三目标指示子信息以及第四目标指示子信息可以分别为目标矩阵B的第1行、第2行、第3行以及第4行。目标矩阵B的第1行可以指示:与第一量子处理单元对应的至少一个输入图像块包括上述输入图像块P1和上述输入图像块P2。由此,可以利用第一量子处理单元处理上述输入图像块P1和上述输入图像块P2。目标矩阵B的第2行可以指示:与第二量子处理单元对应的至少一个输入图像块包括上述输入图像块P1和上述输入图像块P2。由此,可以利用第二量子处理单元处理上述输入图像块P1和上述输入图像块P2。目标矩阵B的第3行可以指示:与第三量子处理单元对应的至少一个输入图像块包括上述输入图像块P2和上述输入图像块P3。由此,可以利用第三量子处理单元处理上述输入图像块P2和上述输入图像块P3。目标矩阵B的第4行可以指示:与第四量子处理单元对应的至少一个输入图像块包括上述输入图像块P2和上述输入图像块P3。由此,可以利用第四量子处理单元处理上述输入图像块P2和上述输入图像块P3。
可以理解,上述目标矩阵B可以是针对一个批次的输入图像预设的,也可以是根据各种方式获得的,本公开对此不进行限制。通过本公开实施例,利用目标矩阵中的行数据来指示待量子处理单元处理的至少一个图像块,可以减少信息冗余,也不会影响图像处理的精度,可以充分利用有限的量子计算资源,提高图像处理效率。
可以理解,上文对本公开的目标指示信息进行了说明,下面将对本公开的量子处理单元进行进一步说明。
在一些实施例中,根据目标矩阵指示信息,利用多个量子处理单元分别处理至少一个输入图像块,得到多个测量结果包括:利用与目标指示子信息对应的量子处理单元,处理目标指示子信息指示的至少一个输入图像块,得到至少一个测量结果。
在本公开实施例中,量子处理单元处理至少一个输入图像块,可以得到至少一个测量结果。
例如,如上述,目标矩阵B的第1行可以指示第一量子处理单元对应输入图像块P1和输入图像块P2。以上述输入图像块P1为例,输入图像块P1的尺寸可以为12×4。在量子处理单元为4个量子比特的参数化量子电路的情况下,输入子图像块的尺寸可以为2×2。输入图像块P1中输入子图像块的数量可以为12。输入图像块P2也可以包括12个输入子图像块。下面将结合图3并以第一量子处理单元处理输入图像块P1的方式为示例进行说明。
图3是根据本公开的一个实施例的量子处理单元的示意图。
如图3所示的量子处理单元PQC310可以为上述第一量子处理单元。如图3所示的输入图像块P311可以为上述输入图像块P1。
在本公开实施例中,利用与目标指示子信息对应的量子处理单元,处理目标指示子信息指示的至少一个输入图像块包括:利用与目标指示子信息对应的量子处理单元,依次处理多个输入子图像块。如图3所示,输入图像块P311可以包括输入子图像块P3111、输入子图像块P3112、……输入子图像块P31112。量子处理单元PQC310可以依次处理输入子图像块P3111、输入子图像块P3112、……输入子图像块P31112。通过本公开实施例,可以准确地利用量子处理单元进行图像处理,充分利用图像块中的有效信息,可以提高图像处理的精度。
在本公开实施例中,量子处理单元可以包括编码模块和处理模块,编码模块包括多个单比特旋转门。如图3所示,量子处理单元PQC310可以包括编码模块QE311和处理模块QP312。编码模块QE311可以包括多个单比特旋转门。
在本公开实施例中,利用与目标指示子信息对应的量子处理单元,依次处理多个输入子图像块包括:将目标输入子图像块的多个像素分别输入多个单比特旋转门,可以得到目标输入子图像块的多个编码结果。目标输入子图像块来自多个输入子图像块。例如,可以将输入子图像块P3111作为目标输入子图像块。将输入子图像块P3111的多个像素输入编码模块QE311的多个单比特旋转门,以将多个像素编码为量子态,得到输入子图像块P311的多个编码结果。通过本公开实施例,利用多个单比特旋转门,可以快速高效地将像素编码为量子态,有助于进一步提高图像处理效率。
在本公开实施例中,利用与目标指示子信息对应的量子处理单元,依次处理多个输入子图像块包括:利用处理模块处理目标输入子图像块的多个编码结果,可以得到目标输入子图像块的输出态。
在本公开实施例中,处理模块可以包括多个级联的处理子模块。如图3所示,处理模块QP312可以包括处理子模块QP3121、处理子模块QP3122以及处理子模块QP3123。处理子模块QP3121可以作为第一级处理子模块。处理子模块QP3121的在后处理子模块可以为处理子模块QP3122。处理子模块QP3122的在前处理子模块可以为QP3121。处理子模块QP3122的在后处理子模块可以为处理子模块QP3123。处理子模块QP3123可以作为最后一级处理子模块。
在本公开实施例中,处理子模块可以包括多个受控非门和多个单比特旋转门。如图3所示,处理子模块QP3121、处理子模块QP3122以及处理子模块QP3123可以分别包括多个受控非门和多个单比特旋转门。
在本公开实施例中,利用处理模块处理目标输入子图像块的多个编码结果,得到目标输入子图像块的输出态包括:将目标输入子图像块的多个待处理数据输入处理子模块的多个受控非门,得到多个第一处理后数据。目标输入子图像块的多个待处理数据是根据目标输入子图像块的多个编码结果确定的。将多个第一处理后数据输入处理子模块的多个单比特旋转门,得到多个第二处理后数据。
在本公开实施例中,待处理数据可以包括编码结果。例如,对于处理子模块QP3121,可以将目标输入子图像块的多个编码结果作为多个待处理数据。将多个编码结果输入处理子模块QP3121的多个受控非门,得到处理子模块QP3121的多个第一处理后数据。将处理子模块QP3121的多个第一处理后数据输入处理子模块QP3121的多个单比特旋转门,可以得到处理子模块QP3121的多个第二处理后数据。
在本公开实施例中,待处理数据还可以包括处理子模块的在前处理子模块输出的第二处理后数据。例如,对于处理子模块QP3122,可以将处理子模块QP3121的多个第二处理后数据作为多个待处理数据。将处理子模块QP3121的多个第二处理后数据输入处理子模块QP3121的多个受控非门,得到处理子模块QP3122的多个第一处理后数据。将处理子模块QP3122的多个第一处理后数据输入处理子模块QP3122的多个单比特旋转门,可以得到处理子模块QP3122的多个第二处理后数据。又例如,对于处理子模块QP3123,可以将处理子模块QP3122的多个第二处理后数据作为多个待处理数据。将处理子模块QP3122的多个第二处理后数据输入处理子模块QP3123的多个受控非门,得到处理子模块QP3123的多个第一处理后数据。将处理子模块QP3123的多个第一处理后数据输入处理子模块QP3123的多个单比特旋转门,可以得到处理子模块QP3123的多个第二处理后数据。
在本公开实施例中,输出态为最后一级处理子模块输出的多个第二处理后数据。例如,处理子模块QP3123的多个第二处理后数据可以为输入子图像块P3111的输出态。通过本公开实施例,利用多个受控非门和多个单比特旋转门,可以实现量子卷积处理。利用级联的多个处理子模块,可以更加有效地从输入子图像块中提取有效信息,进而提高图像处理精度。
在本公开实施例中,利用与目标指示子信息对应的量子处理单元,依次处理多个输入子图像块包括:沿着泡利Z算符对目标输入子图像块的输出态进行测量,可以得到目标输入子图像块的测量子结果。例如,沿着泡利Z算符对目标输入子图像块P3111的输出态进行测量,可以得到目标输入子图像块P3111的测量子结果(<Ψ|Z|Ψ>)v3111。测量子结果v3111可以为大于-1且小于1的值。通过本公开实施例,沿泡利Z算符进行测量,可以获得准确的测量结果,进而可以提高图像处理的精度。
在本公开实施例中,利用与目标指示子信息对应的量子处理单元,依次处理多个输入子图像块还包括:响应于已确定目标输入子图像块的测量子结果,可以处理目标输入子图像块的在后输入子图像块的多个像素。例如,响应于已确定输入子图像块P3111的测量子结果v3111,可以处理输入子图像块P3112的多个像素,得到输入图像块P3112的测量子结果v3112。在利用量子处理单元PQC310依次处理了输入子图像块P3111、输入子图像块P3112、……输入子图像块P31112之后,可以得到相应的测量子结果v3111、测量子结果v3112、……测量子结果v31112。可以理解,量子处理单元PQC310处理输入子图像块P3112至输入子图像块P31112的方式,与处理输入子图像块P3111的方式相同或类似,本公开在此不再赘述。通过本公开实施例,依次处理了全部的输入子图像块,可以准确全面地进行图像处理,也可以充分利用量子处理单元的性能,提高图像处理效率和精度。
在本公开实施例中,利用与目标指示子信息对应的量子处理单元,依次处理多个输入子图像块包括:根据多个测量子结果,得到测量结果。例如,根据测量子结果v3111、测量子结果v3112、……测量子结果v31112,可以得到输入图像块P311的测量结果V311。
可以理解,为了处理输入子图像块P3111、输入子图像块P3112、……输入子图像块P31112,量子处理单元PQC310可以运行12次。如上述,量子处理单元PQC310可以为上述第一处理单元。输入图像块P311可以为上述输入图像块P1。为了处理输入图像块P2的12个输入子图像块,第一量子计算单元也可以运行12次。由此,第一量子处理单元共可以运行24次。
在本公开实施例中,根据上述目标矩阵B,可以利用第二量子处理单元依次处理输入图像块P1和输入图像块P2的各自多个输入子图像块,得到输入图像块P1的一测量结果和输入图像块P2的一测量结果。可以利用第三量子处理单元依次处理输入图像块P2和输入图像块P3的各自多个输入子图像块,得到输入图像块P2的一测量结果和输入图像块P3的一测量结果。可以利用第四量子处理单元依次处理输入图像块P2和输入图像块P3的各自多个输入子图像块,得到输入图像块P2的一测量结果和输入图像块P3的一测量结果。由此,共可以得到8个测量结果。每个测量结果可以包括12个测量子结果。可以理解,第二量子处理单元至第四量子处理单元处理输入图像块的方式,与第一量子处理单元处理输入图像块的方式相同或类似,本公开在此不再赘述。
可以理解,上文对本公开的量子处理单元进行了说明,下面将对本公开确定图像处理结果的一些方式进行说明。
在一些实施例中,根据多个测量结果,确定输入图像的处理结果包括:根据多个测量结果,可以得到输入图像的图像特征。对图像特征进行全连接处理,可以得到输入图像的处理结果。例如,可以将上述8个测量结果(共96个测量子结果)展开为96维的图像特征。可以对该图像特征进行全连接处理,以执行图像二分类任务。全连接处理的结果可以为二维的。全连接处理的参数可以为192个。
通过本公开实施例,为了处理目标指示子信息对应的至少一个输入图像块,每个量子运算单元可以运行24次。全连接处理的参数可以为192个。与上述处理了3个图像块的参数化量子电路相比,本公开的量子处理单元可以处理目标指示子信息对应的至少一个输入图像块,运行次数下降了33%,相应的全连接处理参数也下降了33%。
可以理解,上文对确定图像处理结果的一些方式进行了说明,下面将对初始指示信息进行至少一个调整周期的调整的一些方式进行进一步说明。
在一些实施例中,初始指示信息包括初始矩阵,初始矩阵的行数目是根据量子处理单元的数目确定的,初始矩阵的列数目是根据参考图像块的数目确定的,初始矩阵包括多个初始行数据,初始行数据包括多个初始值。
在本公开实施例中,多个参考图像块是对参考图像进行划分得到的。例如,参考图像与输入图像之间的相似度可以大于预设相似度阈值。若上述图像I210作为输入图像,上述图像I200可以作为参考图像。参考图像与输入图像可以来自同一批次的多个图像。
在本公开实施例中,可以利用各种方式对参考图像进行划分。多个参考图像块可以为N个参考图像块。N个参考图像块可以包括参考图像块Pr1、……输入图像块PrN。例如,以N=3为例,若参考图像的尺寸为12×12,可以将参考图像划分为3个参考图像块。参考图像块的尺寸可以为12×4。3个参考图像块可以包括参考图像块Pr1、参考图像块Pr2以及参考图像块Pr3。可以理解,参考图像的划分方式可以与上述输入图像的划分方式相同或类似,本公开在此不再赘述。
在本公开实施例中,初始矩阵的行数目可以与量子处理单元的数目一致。例如,若量子处理单元为K个,初始矩阵的行数目可以为K个。
在本公开实施例中,初始矩阵的列数目可以与参考图像块的数目一致。例如,若参考图像块为N个,初始矩阵的行数目可以为N个。
在本公开实施例中,初始值可以为任意值。例如,初始矩阵A可以为:
可以理解,上文对本公开的初始指示信息以及参考图像块进行了说明,下面将对利用多个量子处理单元分别处理参考图像的N个参考图像块的一些方式进行进一步说明。
在一些实施例中,目标调整周期的输出结果是通过以下操作利用多个量子处理单元分别处理参考图像的N个参考图像块得到的:利用多个量子处理单元分别处理多个参考图像块,得到目标调整周期的多个测量特征。
在本公开实施例中,多个量子处理单元可以为上述第一量子处理单元至第四量子处理单元。与上述量子处理单元处理至少一个输入图像块不同,在确定目标指示信息时,每个量子处理单元可以处理全部的参考图像块。可以理解,量子处理单元处理每个参考图像块的方式与量子处理单元PQC311处理输入图像块P311的方式相同或类似,本公开在此不再赘述。
可以理解,第一量子处理单元至第四量子处理单元分别处理了3个参考图像块之后,可以得到12个参考测量结果,作为12个测量特征,下面将结合图4进行进一步说明。
图4是根据本公开的一个实施例的多个量子处理单元的示意图。
如图4所示,参考图像I400可以被划分为3个参考图像块。参考图像I400的尺寸可以为12×12,参考图像块的尺寸可以为12×4。
在目标调整周期,可以利用量子处理单元PQC410处理3个参考图像块,得到参考测量结果V411、参考测量结果V412以及参考测量结果V413,作为3个测量特征。可以利用量子处理单元PQC420处理3个参考图像块,得到参考测量结果V421、参考测量结果V422以及参考测量结果V423,作为3个测量特征。可以利用量子处理单元PQC430处理3个参考图像块,得到参考测量结果V431、参考测量结果V432以及参考测量结果V433,作为3个测量特征。可以利用量子处理单元PQC440处理3个参考图像块,得到参考测量结果V441、参考测量结果V442以及参考测量结果V443,作为3个测量特征。
在一些实施例中,目标调整周期的输出结果是通过以下操作利用多个量子处理单元分别处理参考图像的N个参考图像块得到的:根据目标调整周期的多个测量特征和目标调整周期中多个权重向量,确定目标调整周期的输出结果。
在本公开实施例中,目标调整周期的指示信息是根据初始指示信息得到的。例如,若目标调整周期为第1个周期,目标调整周期的指示信息可以为上述初始指示信息。若目标调整周期为第1个周期之后的周期,目标调整周期的指示信息可以是对上述初始指示进行至少一次调整后得到的。
例如,在目标调整周期,多个权重向量可以包括权重向量w411、权重向量w412和权重向量w413。可以将权重向量w411与参考测量结果V411相乘,得到目标调整周期的一输出子结果。可以将权重向量w412与参考测量结果V412相乘,得到目标调整周期的一输出子结果。可以将权重向量w413与参考测量结果V413相乘,得到目标调整周期的一输出子结果。由此,可以得到目标调整周期中量子处理单元PQC410的多个输出子结果。可以理解,权重向量可以为上述全连接处理所需的权重。
在一些实施例中,目标调整周期的指示信息是通过以下操作根据参考图像的标签和目标调整周期的输出结果调整的:根据目标调整周期的指示信息和输出结果,确定目标调整周期的处理后输出结果。目标调整周期的指示信息可以为如图4所示的目标调整周期的矩阵B400。矩阵B400的第1行可以指示与量子处理单元PQC410对应的参考图像块。将矩阵B400的第1行中当前值a11、当前值a12以及当前值a13分别与量子处理单元PQC410的输出子结果相乘,可以得到多个处理后输出子结果。如图4所示,可以将由权重向量w411与参考测量结果V411相乘得到输出子结果,与当前值a11相乘,得到一处理后输出子结果。可以将由权重向量w412与参考测量结果V412相乘得到输出子结果,与当前值a12相乘,得到一处理后输出子结果。可以将由权重向量w413与参考测量结果V413相乘得到输出子结果,与当前值a13相乘,得到一处理后输出子结果。由此,可以得到目标调整周期中量子处理单元PQC410的多个处理后输出子结果。
又例如,在目标调整周期,多个权重向量还可以包括权重向量w421、权重向量w422、权重向量w423、权重向量w431、权重向量w432、权重向量w433、权重向量w441、权重向量w442和权重向量w443。根据当前值a21、当前值a22、当前值a23、权重向量w421、权重向量w422、权重向量w423、参考测量结果V421、参考测量结果V422以及参考测量结果V423,可以得到目标调整周期中量子处理单元PQC420的多个输出子结果以及多个处理后输出子结果。根据权重向量当前值a31、当前值a32、当前值a33、w431、权重向量w432、权重向量w433、参考测量结果V431、参考测量结果V432以及参考测量结果V433,可以得到目标调整周期中量子处理单元PQC430的多个输出子结果以及多个处理后输出子结果。根据当前值a41、当前值a42、当前值a43、权重向量w441、权重向量w442、权重向量w443、参考测量结果V441、参考测量结果V442以及参考测量结果V443,可以得到目标调整周期中量子处理单元PQC440的多个输出子结果以及多个处理后输出子结果。可以理解,获得目标调整周期中量子处理单元PQC420至量子处理单元PQC440的多个输出子结果以及多个处理后输出子结果的方式,与获得量子处理单元PQC410的多个输出子结果以及多个处理后输出子结果的方式相同或类似,本公开在此不再赘述。
接下来,根据多个处理后输出子结果,可以得到目标调整周期的处理后输出结果。例如,可以将目标调整周期的多个处理后输出子结果相加,得到处理后输出结果Out400。
在一些实施例中,目标调整周期的指示信息是通过以下操作根据参考图像的标签和目标调整周期的输出结果调整的:根据参考图像的标签和目标调整周期的处理后输出结果,确定目标调整周期的预调整损失。
在本公开实施例中,根据目标调整周期的处理后输出结果和参考图像的标签,可以确定第一预调整子损失。根据第一预调整子损失,可以确定目标调整周期的预调整损失。例如,参考图像的标签可以包括类别标签值(0或1)。根据处理后输出结果与类别标签值之差,可以得到第一预调整子损失。可以将第一预调整子损失作为预调整损失。通过本公开实施例,可以充分标签与处理后输出结果之间的差异,以高效地调整目标调整周期的指示信息。
在一些实施例中,目标调整周期的指示信息是通过以下操作根据参考图像的标签和目标调整周期的输出结果调整的:确定目标调整周期的预调整损失是否满足预设终止条件。
在本公开实施例中,预设终止条件可以包括目标调整周期的预调整损失收敛、已达到预设的调整次数阈值等。
在本公开实施例中,响应于确定目标调整周期的预调整损失满足预设终止条件,根据目标调整周期的指示信息,确定目标指示信息。例如,可以将目标调整周期的指示信息作为目标指示信息。
在本公开实施例中,响应于确定目标调整周期的预调整损失未满足预设终止条件,根据目标调整周期的预调整损失,调整目标调整周期的指示信息以及目标调整周期中多个量子处理单元各自的参数信息,得到在后调整周期的指示信息以及在后调整周期中多个量子处理单元各自的参数信息。例如,根据目标调整周期的预调整损失,可以利用梯度下降法调整目标调整周期中多个量子处理单元各自的参数信息,得到在后调整周期的指示信息以及在后调整周期中多个量子处理单元各自的参数信息。在在后调整周期中,可以执行与目标调整周期相同或类似的操作,本公开在此不再赘述。可以理解,上述量子处理单元PQC310的参数信息例如可以包括如图3所示的处理模块QP312中多个单比特旋转门参数(θ1、θ2、θ3、θ4、θ5、θ6、θ7、θ8、θ9、θ1o、θ11、θ12)。
可以理解,上文以将第一预调整子损失作为预调整损失为示例,对本公开进行了说明。但本公开不限于此,下面将进行说明。
在本公开另一实施例中,根据第一预调整子损失,确定目标调整周期的预调整损失包括:根据第一预设权重和目标调整周期的指示信息,可以确定第二预调整子损失。根据第二预设权重和目标调整周期中多个权重向量,可以确定第三预调整子损失。根据第一预调整子损失、第二预调整子损失和第三预调整子损失,可以确定目标调整周期的预调整损失。
例如,以K=4且N=3为示例,可以通过以下公式确定预调整损失Loss1:
i可以为大于或等于1且小于或等于K的整数。j可以为大于或等于1且小于或等于N的整数。可以为目标调整周期的处理后输出结果。y可以为参考图像的类别标签值。λ可以为第一预设权重,例如可以为0.2。β可以为第二预设权重,例如可以为0.2。aij可以为上述当前值。wij可以为上述权重向量。/>可以为第一预调整子损失。/>可以为第二预调整子损失。/>可以为第三预调整子损失。可以理解,wij可以为上述权重向量w411至权重向量w413、权重向量w421至权重向量w423、权重向量w431至权重向量w433、权重向量w441至权重向量w443之一。vij可以为上述参考测量结果V411至参考测量结果V413、参考测量结果V421至参考测量结果V423、参考测量结果V431至参考测量结果V433、参考测量结果V441至参考测量结果V443之一。通过本公开实施例,对权重向量进行了L2正则化,可以防止过拟合。对指示信息进行了L1正则化,可以高效地确定指示信息中的重要的值,提高目标矩阵的确定效率,有助于提高图像处理效率。
可以理解,上文对确定预调整损失的一些方式进行了说明,下面将对确定目标指示信息的一些方式进行说明。
在本公开实施例中,根据目标调整周期的指示信息,确定目标指示信息包括:利用第一预设值和第二预设值处理目标调整周期的指示信息,以确定目标指示信息。
例如,目标调整周期的指示信息可以包括目标调整周期的矩阵。目标调整周期的矩阵AT可以为:
在本公开实施例中,可以将目标调整周期的指示信息中大于或等于第一预设阈值的值,替换为第一预设值。将目标调整周期的指示信息中小于第一预设阈值的值,替换为第二预设值。
例如,第一预设阈值可以为0.2。目标指示信息包括的目标矩阵B可以为:
可以理解,上文对本公开的图像处理方法进行了说明,下面将对本公开的图像处理模型的训练方法进行说明。
图5是根据本公开的一个实施例的图像处理模型的训练方法的示意流程图。
如图5所示,该方法500可以包括操作S510至操作S530。
在本公开实施例中,图像处理模型可以包括多个量子处理单元。例如,多个量子处理单元可以为上述第一量子处理单元至第四量子处理单元。
在操作S510,对输入样本图像进行划分,得到N个输入样本图像块。
在本公开实施例中,可以利用各种方式对输入样本图像进行划分。N可以为大于1的整数。例如,以N=3为例,若输入样本图像的尺寸为12×12,可以将输入样本图像划分为3个输入样本图像块。输入样本图像块的尺寸可以为12×4。3个输入图像块可以包括输入图像块Ps1、输入图像块Ps2以及输入图像块Ps3。
在操作S520,根据目标样本指示信息,利用多个量子处理单元分别处理至少一个输入样本图像块,得到多个样本测量结果。
在本公开实施例中,目标样本指示信息包括多个目标样本指示子信息,目标样本指示子信息用于指示与量子处理单元对应的至少一个输入样本图像块。例如,多个目标样本指示子信息中的第一目标样本指示子信息可以指示第一量子处理单元对应输入样本图像块Ps1和输入图像块Ps2。可以利用第一量子处理单元处理输入图像块Ps1和输入图像块Ps2。又例如,以K=4为示例,多个目标样本指示子信息可以包括4个目标样本指示子信息。
在本公开实施例中,在本公开实施例中,至少一个量子处理单元处理的输入图像块的数目小于N。例如,若目标指示子信息可以指示与量子处理单元对应的M个输入样本图像块,多个样本测量结果可以为K×M个样本测量结果。M可以为大于或等于1的整数。例如,以M=2为例,在利用第一量子处理单元处理输入样本图像块P1和输入样本图像块P2之后,可以得到与输入样本图像块P1对应的一样本测量结果,也可以得到与输入样本图像块P2对应的一样本测量结果。可以理解,不同目标样本指示子信息指示的输入样本图像块的数量可以不同,也可以相同,本公开对此不进行限制。
在本公开实施例中,目标样本指示信息对初始样本指示信息进行至少一个预训练周期的预训练后确定的。例如,初始样本指示信息可以是预设的,也可以是随机生成的,本公开对此不进行限制
在本公开实施例中,至少一个预训练周期中目标预训练周期的指示信息是根据初始指示信息得到的。例如,若目标预训练周期为至少一个预训练周期中的第1个预训练周期,可以将初始样本指示信息作为目标预训练周期的指示信息。又例如,若目标预训练周期不是第1个预训练周期,目标预训练周期的指示信息可以是对初始指示信息进行了至少一次调整得到的。
在本公开实施例中,目标预训练周期的指示信息是根据参考图像的标签和目标预训练周期的输出结果调整的,目标预训练周期的输出结果是利用多个量子处理单元分别处理参考图像的N个参考图像块得到的。例如,每个量子处理单元可以处理N个参考图像块。根据参考图像的标签和目标调整周期的输出结果之间的差异,可以调整目标调整周期的指示信息。
在操作S530,根据输入样本图像的标签和多个样本测量结果,调整多个量子处理单元各自的参数信息,以训练图像处理模型。
例如,输入样本图像的标签包括类别标签值(0或1)。根据多个样本测量结果与类别标签值之差,可以调整多个量子处理单元各自的参数信息。
通过本公开实施例,可以对多个量子处理单元的参数进行调整,有助于进一步提高图像处理精度。量子处理单元处理至少一个图像块,可以降低运行次数,降低模型训练所需的资源开销,提高模型训练效率。此外,目标样本指示信息是对初始指示信息进行至少一个预训练周期的预训练后得到的。由此,目标样本指示信息可以有效地指示图像中的重要区域,可以使得量子处理单元处理图像中的重要区域,以提高图像处理精度,也有助于降低同一量子处理单元处理相似图像块的概率,有助于减少信息冗余,可以在保证模型精度的情况下进一步提高模型训练效率,也可以显著地降低量子设备的资源开销。
可以理解,输入样本图像的划分方式与上述输入图像的划分方式相同或类似,本公开在此不再赘述。
在一些实施例中,目标样本指示信息可以包括目标样本矩阵。目标样本指示子信息可以为目标样本矩阵的目标样本行数据。
在本公开实施例中,目标样本矩阵的行数目可以与量子处理单元的数目一致。目标样本矩阵的列数目可以与输入样本图像块的数目一致。可以理解,目标样本矩阵与上述目标矩阵相同或类似,本公开在此不再赘述。
在本公开实施例中,多个目标样本指示子信息可以包括第一目标样本指示子信息至第四目标样本指示子信息。在本公开实施例中,目标样本指示子信息与上述目标指示子信息相同或类似,本公开在此不再赘述。
在一些实施例中,根据目标样本指示信息,利用多个量子处理单元分别处理至少一个输入样本图像块,得到多个样本测量结果包括:利用与目标样本指示子信息对应的量子处理单元,处理目标样本指示子信息指示的至少一个输入样本图像块,得到至少一个样本测量结果。
在一些实施例中,至少一个输入样本图像块包括多个输入样本子图像块。利用与目标样本指示子信息对应的量子处理单元,处理目标样本指示子信息指示的至少一个输入样本图像块包括:利用与目标样本指示子信息对应的量子处理单元,依次处理多个输入样本子图像块。
在一些实施例中,量子处理单元包括编码模块和处理模块,编码模块包括多个单比特旋转门。利用与目标样本指示子信息对应的量子处理单元,依次处理多个输入样本子图像块包括:将目标输入样本子图像块的多个像素分别输入多个单比特旋转门,得到目标输入样本子图像块的多个编码结果。目标输入样本子图像块来自多个输入样本子图像块。利用处理模块处理目标输入样本子图像块的多个编码结果,得到目标输入样本子图像块的输出态。沿着泡利Z算符对目标输入样本子图像块的输出态进行测量,得到目标输入样本子图像块的样本测量子结果。
在一些实施例中,处理模块包括级联的多个处理子模块,处理子模块包括多个受控非门和多个单比特旋转门。利用处理模块处理目标输入样本子图像块的多个编码结果,得到目标输入样本子图像块的输出态包括:将目标输入样本子图像块的多个待处理数据输入处理子模块的多个受控非门,得到多个第一处理后数据。目标输入样本子图像块的多个待处理数据是根据目标输入样本子图像块的多个编码结果确定的。将多个第一处理后数据输入处理子模块的多个单比特旋转门,得到多个第二处理后数据。
在一些实施例中,待处理数据包括编码结果以及处理子模块的在前处理子模块输出的第二处理后数据。输出态为最后一级处理子模块输出的多个第二处理后数据。
在一些实施例中,利用与目标样本指示子信息对应的量子处理单元,依次处理多个输入样本还包括:响应于已确定目标输入样本子图像块的样本测量子结果,处理目标输入样本子图像块的在后输入样本子图像块的多个像素。
在一些实施例中,利用与目标样本指示子信息对应的量子处理单元,依次处理多个输入样本子图像块包括:根据多个样本测量子结果,得到样本测量结果。
可以理解,利用目标样本指示子信息对应的量子处理单元依次处理多个输入样本子图像块的方式,与利用目标指示子信息对应的量子处理单元依次处理输入子图像块的方式相同或类似,本公开在此不再赘述。
可以理解,上文对获得样本测量结果的一些方式进行了说明,下面将对确定样本损失的一些方式进行说明。
在一些实施例中,根据输入样本图像的标签和多个样本测量结果,调整多个量子处理单元各自的参数信息包括:根据输入样本图像的标签和多个样本测量结果,确定样本损失。根据样本损失,调整多个量子处理单元各自的参数信息。
在本公开实施例中,根据输入样本图像的标签和多个样本测量结果,确定样本损失包括:根据多个样本测量结果以及多个权重向量,确定样本输出结果。例如,可以利用多个权重向量分别对多个样本测量结果加权,以得到加权求和结果,作为样本输出结果。
在本公开实施例中,根据输入样本图像的标签和多个样本测量结果,确定样本损失包括:根据样本输出结果和输入样本图像的标签,确定第一样本子损失。例如,根据样本输出结果与类别标签值之差,可以确定第一样本子损失。
在本公开实施例中,根据输入样本图像的标签和多个样本测量结果,确定样本损失包括:根据第一样本子损失,确定样本损失。例如,可以将第一样本子损失作为样本损失。通过本公开实施例,可以充分利用标签与样本测量结果之间的差异,高效地调整量子处理单元的参数信息。
可以理解,上文以第一样本子损失作为样本损失为示例,对本公开进行了说明。但本公开不限于此,下面将进行说明。
在本公开实施例中,根据第一样本子损失,确定样本损失包括:根据第三预设权重以及多个权重向量,确定第二样本子损失。根据第一样本子损失和第二样本子损失,确定样本损失。
又例如,以K=4且N=3为例,可以通过以下公式确定样本损失Loss2:
可以为样本输出结果。β′可以为第三预设权重,例如可以为0.2。可以为第一样本子损失。/>可以为第二样本子损失。
可以理解,上文样本损失进行了说明,下面将对初始样本指示信息进行至少一个预训练周期的预训练的一些方式进行说明。
在一些实施例中,N个参考图像块是对参考图像进行划分得到的。目标预训练周期的输出结果是通过以下操作利用多个量子处理单元分别处理参考图像的N个参考图像块得到的:利用多个量子处理单元分别处理多个参考图像块,得到目标预训练周期的多个测量特征。根据目标预训练周期的多个测量特征和目标预训练周期中多个权重向量,确定目标预训练周期的输出结果。
在一些实施例中,目标预训练周期的指示信息是通过以下操作根据参考图像的标签和目标预训练周期的输出结果调整的:根据目标预训练周期的指示信息和输出结果,确定目标预训练周期的处理后输出结果。目标预训练周期的指示信息是根据初始指示信息得到的。根据参考图像的标签和目标预训练周期的处理后输出结果,确定目标预训练周期的预训练损失。响应于确定目标预训练周期的预训练损失满足预设终止条件,根据目标预训练周期的指示信息,确定目标样本指示信息。
在一些实施例中,目标样本矩阵还是通过以下操作根据参考图像的标签和目标预训练周期的输出结果调整的:响应于确定目标预训练周期的预训练损失未满足预设终止条件,根据目标预训练周期的预训练损失,调整目标预训练周期的指示信息以及目标预训练周期中多个量子处理单元各自的参数信息,得到在后预训练周期的指示信息以及在后预训练周期中多个量子处理单元各自的参数信息。
在一些实施例中,预设终止条件包括:目标预训练周期的预训练损失收敛。
在一些实施例中,初始样本指示信息包括初始样本矩阵,初始样本矩阵的行数目是根据量子处理单元的数目确定的,初始样本矩阵的列数目是根据参考图像块的数目确定的,初始样本矩阵包括多个初始样本行数据,初始样本行数据包括多个初始样本值。
在一些实施例中,根据目标预训练周期的指示信息,确定目标样本指示信息包括:利用第一预设值和第二预设值处理目标预训练周期的指示信息,以确定目标样本指示信息。
在一些实施例中,利用第一预设值和第二预设值处理目标预训练周期的指示信息包括:将目标预训练周期的指示信息中大于或等于第二预设阈值的值,替换为第一预设样本值。将目标预训练周期的指示信息中小于第二预设阈值的值,替换为第二预设样本值。可以理解,第二预设阈值与上述第一预设阈值的取值可以相同。
在一些实施例中,根据参考图像的标签和目标预训练周期的处理后输出结果,确定目标预训练周期的预训练损失包括:根据目标预训练周期的处理后输出结果和参考图像的标签,确定第一预训练子损失。根据第一预训练子损失,确定目标预训练周期的预训练损失。
在一些实施例中,根据第一预训练子损失,确定目标预训练周期的预训练损失包括:根据第一预设权重和目标预训练周期的指示信息,确定第二预训练子损失。根据第二预设权重和目标预训练周期中多个权重向量,确定第三预训练子损失。根据第一预训练子损失、第二预训练子损失和第三预训练子损失,确定目标预训练周期的预训练损失。
可以理解,确定目标样本指示信息的方式,与上述确定目标指示信息的方式相同或类似,本公开在此不再赘述。
可以理解,上文对本公开的图像处理模型的训练方法进行了说明,下面将对本公开的量子处理装置进行说明。
图6是根据本公开的一个实施例的量子处理装置的示意图。
如图6,装置60可以包括多个量子执行单元61和输出单元62。
多个量子执行单元61,可以配置为分别处理至少一个输入图像块,得到多个测量结果。至少一个输入图像块是根据目标指示信息从N个输入图像块中确定的,多个输入图像块是对输入图像进行划分得到的。
输出单元62,可以配置为根据多个测量结果,确定输入图像的处理结果。
在本公开实施例中,至少一个量子处理单元处理的输入图像块的数目小于N。
在本公开实施例中,目标指示信息对初始指示信息进行至少一个调整周期的调整后确定的,至少一个调整周期中目标调整周期的指示信息是根据初始指示信息得到的,目标调整周期的指示信息是根据参考图像的标签和目标调整周期的输出结果调整的,目标调整周期的输出结果是利用多个量子处理单元分别处理参考图像的N个参考图像块得到的。
可以理解,多个量子执行单元可以与上述第一量子处理单元至第四量子处理单元对应。关于量子执行单元的说明,可以参考上述量子处理单元,本公开在此不再赘述。
在一些实施例中,量子执行单元包括:编码模块,配置为对目标输入子图像块的多个像素进行编码,得到目标输入子图像块的多个编码结果。目标输入子图像块来自多个输入子图像块,多个输入子图像块来自至少一个输入图像块。处理模块,配置为处理目标输入子图像块的多个编码结果,得到目标输入子图像块的输出态。测量模块,配置为对目标输入子图像块的输出态进行测量,得到目标输入子图像块的测量子结果。编码模块可以为上述编码模块QE311。处理模块可以为上述处理模块QP312。
在一些实施例中,编码模块包括多个单比特旋转门,多个单比特旋转门配置为:根据目标输入子图像块的多个像素,得到目标输入子图像块的多个编码结果。
在一些实施例中,处理模块包括级联的多个处理子模块,处理子模块包括:多个受控非门,配置为根据目标输入子图像块的多个待处理数据,得到多个第一处理后数据。目标输入子图像块的多个待处理数据是根据目标输入子图像块的多个编码结果确定的。多个单比特旋转门,配置为根据多个第一处理后数据,得到多个第二处理后数据。可以理解,多个处理子模块可以包括上述处理子模块QP3121至处理子模块QP3123。
在一些实施例中,待处理数据包括编码结果以及处理子模块的在前处理子模块输出的第二处理后数据,输出态为最后一级处理子模块输出的多个第二处理后数据。
在一些实施例中,测量模块配置为执行以下操作以对目标输入子图像块的输出态进行测量:沿着泡利Z算符对目标输入子图像块的输出态进行测量。
在一些实施例中,量子执行单元还配置为响应于已确定目标输入子图像块的测量子结果,处理目标输入子图像块的在后输入子图像块的多个像素。
可以理解,目标指示信息可以是对初始指示信息进行至少一个调整周期的调整后确定的,下面将进行说明。
在一些实施例中,目标指示信息包括目标矩阵,目标指示子信息为目标矩阵的目标行数据。目标矩阵的行数目与量子执行单元的数目一致,目标矩阵的列数目与输入图像块的数目一致。
在一些实施例中,目标调整周期的输出结果是通过以下操作利用多个量子处理单元分别处理参考图像的N个参考图像块得到的:利用多个量子执行单元分别处理多个参考图像块,得到目标调整周期的多个测量特征。多个参考图像块是对参考图像进行划分得到的。根据目标调整周期的多个测量特征和目标调整周期中多个权重向量,确定目标调整周期的输出结果。
在一些实施例中,目标调整周期的指示信息是通过以下操作根据参考图像的标签和目标调整周期的输出结果调整的:根据目标调整周期的指示信息和输出结果,确定目标调整周期的处理后输出结果。根据参考图像的标签和目标调整周期的处理后输出结果,确定目标调整周期的预调整损失。响应于确定目标调整周期的预调整损失满足预设终止条件,根据目标调整周期的指示信息,确定目标指示信息。
在一些实施例中,目标调整周期的指示信息还是通过以下操作根据参考图像的标签和目标调整周期的输出结果调整的:响应于确定目标调整周期的预调整损失未满足预设终止条件,根据目标调整周期的预调整损失,调整目标调整周期的指示信息以及目标调整周期中多个量子执行单元各自的参数信息,得到在后调整周期的指示信息以及在后调整周期中多个量子执行单元各自的参数信息。
在一些实施例中,预设终止条件包括:目标调整周期的预调整损失收敛。
在一些实施例中,初始指示信息包括初始矩阵,初始矩阵的行数目是根据量子执行单元的数目确定的,初始矩阵的列数目是根据参考图像块的数目确定的,初始矩阵包括多个初始行数据,初始行数据包括多个初始值。
在一些实施例中,根据目标调整周期的指示信息,确定目标指示信息包括:利用第一预设值和第二预设值处理目标调整周期的指示信息,以确定目标指示信息。
在一些实施例中,利用第一预设值和第二预设值处理目标调整周期的指示信息包括:将目标调整周期的指示信息中大于或等于第一预设阈值的值,替换为第一预设值。将目标调整周期的指示信息中小于第一预设阈值的值,替换为第二预设值。
在一些实施例中,根据参考图像的标签和目标调整周期的处理后输出结果,确定目标调整周期的预调整损失包括:根据目标调整周期的处理后输出结果和参考图像的标签,确定第一预调整子损失。根据第一预调整子损失,确定目标调整周期的预调整损失。
在一些实施例中,根据第一预调整子损失,确定目标调整周期的预调整损失包括:根据第一预设权重和目标调整周期的指示信息,确定第二预调整子损失。根据第二预设权重和目标调整周期中多个权重向量,确定第三预调整子损失。根据第一预调整子损失、第二预调整子损失和第三预调整子损失,确定目标调整周期的预调整损失。
可以理解,上文对本公开的量子处理装置进行了说明,下面将对本公开的量子处理设备进行说明。
图7是根据本公开的一个实施例的量子处理设备的示意框图。
如图7所示,设备7000可以包括量子处理装置70。量子处理装置70可以为上述装置60。
可以理解,上文对本公开的量子设备进行了说明,下面将对本公开的图像处理装置及图像处理模型的训练装置进行说明。
图8是根据本公开的一个实施例的图像处理装置的框图。
如图8所示,该装置800可以包括第一划分模块810、第一量子处理模块820以及第一确定模块830。
第一划分模块810,用于对输入图像进行划分,得到N个输入图像块。N为大于1的整数。
第一量子处理模块820,用于根据目标指示信息,利用多个量子处理单元分别处理至少一个输入图像块,得到多个测量结果。目标指示信息包括多个目标指示子信息,目标指示子信息用于指示与量子处理单元对应的至少一个输入图像块。至少一个量子处理单元处理的输入图像块的数目小于N。
第一确定模块830,用于根据多个测量结果,确定输入图像的处理结果。
在一些实施例中,目标指示信息对初始指示信息进行至少一个调整周期的调整后确定的,至少一个调整周期中目标调整周期的指示信息是根据初始指示信息得到的,目标调整周期的指示信息是根据参考图像的标签和目标调整周期的输出结果调整的,目标调整周期的输出结果是利用多个量子处理单元分别处理参考图像的N个参考图像块得到的。
在一些实施例中,目标指示信息包括目标矩阵,目标指示子信息为目标矩阵的目标行数据。目标矩阵的行数目与量子处理单元的数目一致,目标矩阵的列数目与输入图像块的数目一致。
在一些实施例中,目标调整周期的输出结果是通过以下模块执行相关操作得到的:第一获得模块,用于利用多个量子处理单元分别处理多个参考图像块,得到目标调整周期的多个测量特征。多个参考图像块是对参考图像进行划分得到的。
在一些实施例中,目标调整周期的指示信息是通过以下模块执行相关操作得到的:第二确定模块,用于根据目标调整周期的多个测量特征和目标调整周期中多个权重向量,确定目标调整周期的输出结果。第三确定模块,用于根据目标调整周期的指示信息和输出结果,确定目标调整周期的处理后输出结果。目标调整周期的指示信息是根据初始指示信息得到的。第四确定模块,用于根据参考图像的标签和目标调整周期的处理后输出结果,确定目标调整周期的预调整损失。第五确定模块,用于响应于确定目标调整周期的预调整损失满足预设终止条件,根据目标调整周期的指示信息,确定目标指示信息。
在一些实施例中,目标调整周期的指示信息是通过以下模块执行相关操作得到的:第一调整模块,用于响应于确定目标调整周期的预调整损失未满足预设终止条件,根据目标调整周期的预调整损失,调整目标调整周期的指示信息以及目标调整周期中多个量子处理单元各自的参数信息,得到在后调整周期的指示信息以及在后调整周期中多个量子处理单元各自的参数信息。
在一些实施例中,预设终止条件包括:目标调整周期的预调整损失收敛。
在一些实施例中,初始指示信息包括初始矩阵,初始矩阵的行数目是根据量子处理单元的数目确定的,初始矩阵的列数目是根据参考图像块的数目确定的,初始矩阵包括多个初始行数据,初始行数据包括多个初始值。
在一些实施例中,第五确定模块包括:第一确定子模块,用于利用第一预设值和第二预设值处理目标调整周期的指示信息,以确定目标指示信息。
在一些实施例中,第一确定子模块包括:第一替换单元,用于将目标调整周期的指示信息中大于或等于第一预设阈值的值,替换为第一预设值。第二替换单元,用于将目标调整周期的指示信息中小于第一预设阈值的值,替换为第二预设值。
在一些实施例中,第四确定模块包括:第二确定子模块,用于根据目标调整周期的处理后输出结果和参考图像的标签,确定第一预调整子损失。第三确定子模块,用于根据第一预调整子损失,确定目标调整周期的预调整损失。
在一些实施例中,第三确定子模块包括:第一确定单元,用于根据第一预设权重和目标调整周期的指示信息,确定第二预调整子损失。第二确定单元,用于根据第二预设权重和目标调整周期中多个权重向量,确定第三预调整子损失。第三确定单元,用于根据第一预调整子损失、第二预调整子损失和第三预调整子损失,确定目标调整周期的预调整损失。
在一些实施例中,第一量子处理模块包括:第一量子处理子模块,用于利用与目标指示子信息对应的量子处理单元,处理目标指示子信息指示的至少一个输入图像块,得到至少一个测量结果。
在一些实施例中,至少一个输入图像块包括多个输入子图像块。第一量子处理子模块还用于:利用与目标指示子信息对应的量子处理单元,依次处理多个输入子图像块。
在一些实施例中,量子处理单元包括编码模块和处理模块,编码模块包括多个单比特旋转门。第一量子处理子模块包括:第一获得单元,用于将目标输入子图像块的多个像素分别输入多个单比特旋转门,得到目标输入子图像块的多个编码结果。目标输入子图像块来自多个输入子图像块。第二获得单元,用于利用处理模块处理目标输入子图像块的多个编码结果,得到目标输入子图像块的输出态。第三获得单元,用于沿着泡利Z算符对目标输入子图像块的输出态进行测量,得到目标输入子图像块的测量子结果。
在一些实施例中,处理模块包括级联的多个处理子模块,处理子模块包括多个受控非门和多个单比特旋转门。第二获得单元包括:第一获得子单元,用于将目标输入子图像块的多个待处理数据输入处理子模块的多个受控非门,得到多个第一处理后数据。目标输入子图像块的多个待处理数据是根据目标输入子图像块的多个编码结果确定的。第二获得子单元,用于将多个第一处理后数据输入处理子模块的多个单比特旋转门,得到多个第二处理后数据。
在一些实施例中,待处理数据包括编码结果以及处理子模块的在前处理子模块输出的第二处理后数据,输出态为最后一级处理子模块输出的多个第二处理后数据。
在一些实施例中,第一量子处理子模块还包括:第四获得单元,用于响应于已确定目标输入子图像块的测量子结果,处理目标输入子图像块的在后输入子图像块的多个像素。
在一些实施例中,第一量子处理子模块包括:第五获得单元,用于根据多个测量子结果,得到测量结果。
在一些实施例中,第五获得单元包括:根据多个测量结果,得到输入图像的图像特征。对图像特征进行全连接处理,得到输入图像的处理结果。
图9是根据本公开的一个实施例的图像处理模型的训练装置的框图。
如图9所示,该装置900可以包括第二划分模块910、第二量子处理模块920以及训练模块930。图像处理模型包括多个量子处理单元。
第二划分模块910,用于对输入样本图像进行划分,得到N个输入样本图像块。
第二量子处理模块920,用于根据目标样本指示信息,利用多个量子处理单元分别处理至少一个输入样本图像块,得到多个样本测量结果。目标样本指示信息包括多个目标样本指示子信息,目标样本指示子信息用于指示与量子处理单元对应的至少一个输入样本图像块。至少一个量子处理单元处理的输入样本图像块的数目小于N。
训练模块930,用于根据输入样本图像的标签和多个样本测量结果,调整多个量子处理单元各自的权重数据,以训练图像处理模型。
在一些实施例中,目标样本指示信息对初始样本指示信息进行至少一个预训练周期的预训练后确定的,至少一个预训练周期中目标预训练周期的指示信息是根据初始指示信息得到的,目标预训练周期的指示信息是根据参考图像的标签和目标预训练周期的输出结果调整的,目标预训练周期的输出结果是利用多个量子处理单元分别处理参考图像的N个参考图像块得到的。
在一些实施例中,训练模块包括:第四确定子模块,用于根据输入样本图像的标签和多个样本测量结果,确定样本损失。调整子模块,用于根据样本损失,调整多个量子处理单元各自的参数信息。
在一些实施例中,第四确定子模块包括:第四确定单元,用于根据多个样本测量结果以及与多个样本测量结果对应的多个权重向量,确定样本输出结果。第五确定单元,用于根据样本输出结果和输入样本图像的标签,确定第一样本子损失。第六确定单元,用于根据第一样本子损失,确定样本损失。
在一些实施例中,第六确定单元包括:第一确定子单元,用于根据第三预设权重以及多个权重向量,确定第二样本子损失。第二确定子单元,用于根据第一样本子损失和第二样本子损失,确定样本损失。
在一些实施例中,目标样本指示信息可以包括目标样本矩阵。目标样本指示子信息可以为目标样本矩阵的目标样本行数据。目标样本矩阵的行数目可以与量子处理单元的数目一致。目标样本矩阵的列数目可以与输入样本图像块的数目一致。
在一些实施例中,目标预训练周期的输出结果是通过以下模块执行相应操作得到的:第二获得模块,用于利用多个量子处理单元分别处理多个参考图像块,得到目标预训练周期的多个测量特征。多个参考图像块是对参考图像进行划分得到的。第五确定模块,用于根据目标预训练周期的多个测量特征和目标预训练周期中多个权重向量,确定目标预训练周期的输出结果。
在一些实施例中,目标预训练周期的指示信息是通过以下模块执行相应操作得到的:第六确定模块,用于根据目标预训练周期的指示信息和输出结果,确定目标预训练周期的处理后输出结果。目标预训练周期的指示信息是根据初始指示信息得到的。第七确定模块,用于根据参考图像的标签和目标预训练周期的处理后输出结果,确定目标预训练周期的预训练损失。第八确定模块,用于响应于确定目标预训练周期的预训练损失满足预设终止条件,根据目标预训练周期的指示信息,确定目标样本指示信息。
在一些实施例中,目标预训练周期的指示信息是通过以下模块执行相应操作得到的:第二调整模块,用于响应于确定目标预训练周期的预训练损失未满足预设终止条件,根据目标预训练周期的预训练损失,调整目标预训练周期的指示信息以及目标预训练周期中多个量子处理单元各自的参数信息,得到在后预训练周期的指示信息以及在后预训练周期中多个量子处理单元各自的参数信息。
在一些实施例中,预设终止条件包括:目标预训练周期的预训练损失收敛。
在一些实施例中,初始样本指示信息包括初始样本矩阵,初始样本矩阵的行数目是根据量子处理单元的数目确定的,初始样本矩阵的列数目是根据参考图像块的数目确定的,初始样本矩阵包括多个初始样本行数据,初始样本行数据包括多个初始样本值。
在一些实施例中,根据第八确定模块包括:第五确定子模块,用于利用第一预设值和第二预设值处理目标预训练周期的指示信息,以确定目标样本指示信息。
在一些实施例中,第五确定子模块包括:第三替换单元,用于将目标预训练周期的指示信息中大于或等于第二预设阈值的值,替换为第一预设样本值。第四替换单元,用于将目标预训练周期的指示信息中小于第二预设阈值的值,替换为第二预设样本值。
在一些实施例中,第七确定模块包括:第七确定单元,用于根据目标预训练周期的处理后输出结果和参考图像的标签,确定第一预训练子损失。第八确定单元,用于根据第一预训练子损失,确定目标预训练周期的预训练损失。
在一些实施例中,第八确定单元包括:第三确定子单元,用于根据第一预设权重和目标预训练周期的指示信息,确定第二预训练子损失。第四确定子单元,用于根据第二预设权重和目标预训练周期中多个权重向量,确定第三预训练子损失。第五确定子单元,用于根据第一预训练子损失、第二预训练子损失和第三预训练子损失,确定目标预训练周期的预训练损失。
在一些实施例中,根据第二量子处理模块包括:第二量子处理子模块,用于利用与目标样本指示子信息对应的量子处理单元,处理目标样本指示子信息指示的至少一个输入样本图像块,得到至少一个样本测量结果。
在一些实施例中,至少一个输入样本图像块包括多个输入样本子图像块。第二量子处理子模块还用于:利用与目标样本指示子信息对应的量子处理单元,依次处理多个输入样本子图像块。
在一些实施例中,量子处理单元包括编码模块和处理模块,编码模块包括多个单比特旋转门。第二量子处理子模块包括:第六获得单元,用于将目标输入样本子图像块的多个像素分别输入多个单比特旋转门,得到目标输入样本子图像块的多个编码结果。目标输入样本子图像块来自多个输入样本子图像块。第七获得单元,用于利用处理模块处理目标输入样本子图像块的多个编码结果,得到目标输入样本子图像块的输出态。第八获得单元,用于沿着泡利Z算符对目标输入样本子图像块的输出态进行测量,得到目标输入样本子图像块的样本测量子结果。
在一些实施例中,处理模块包括级联的多个处理子模块,处理子模块包括多个受控非门和多个单比特旋转门。第七获得单元包括:第三获得子单元,用于将目标输入样本子图像块的多个待处理数据输入处理子模块的多个受控非门,得到多个第一处理后数据。目标输入样本子图像块的多个待处理数据是根据目标输入样本子图像块的多个编码结果确定的。第四获得子单元,用于将多个第一处理后数据输入处理子模块的多个单比特旋转门,得到多个第二处理后数据。
在一些实施例中,待处理数据包括编码结果以及处理子模块的在前处理子模块输出的第二处理后数据。输出态为最后一级处理子模块输出的多个第二处理后数据。
在一些实施例中,第二量子处理子模块还包括:第九获得单元,用于响应于已确定目标输入样本子图像块的样本测量子结果,处理目标输入样本子图像块的在后输入样本子图像块的多个像素。
在一些实施例中,第二量子处理子模块包括:第十获得单元,用于根据多个样本测量子结果,得到样本测量结果。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图10示出了可以用来实施本公开的实施例的示例电子设备1000的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图10所示,设备1000包括计算单元1001,其可以根据存储在只读存储器(ROM)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(RAM)1003中的计算机程序,来执行各种适当的动作和处理。在RAM 1003中,还可存储设备1000操作所需的各种程序和数据。计算单元1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。
设备1000中的多个部件连接至I/O接口1005,包括:输入单元1006,例如键盘、鼠标等;输出单元1007,例如各种类型的显示器、扬声器等;存储单元1008,例如磁盘、光盘等;以及通信单元1009,例如网卡、调制解调器、无线通信收发机等。通信单元1009允许设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1001的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理,例如图像处理方法和/或图像处理模型的训练方法。例如,在一些实施例中,图像处理方法和/或图像处理模型的训练方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1008。在一些实施例中,计算机程序的部分或者全部可以经由ROM1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加载到RAM 1003并由计算单元1001执行时,可以执行上文描述的图像处理方法和/或图像处理模型的训练方法的一个或多个步骤。备选地,在其他实施例中,计算单元1001可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行图像处理方法和/或图像处理模型的训练方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)显示器或者LCD(液晶显示器));以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (34)
1.一种图像处理方法,包括:
对输入图像进行划分,得到N个输入图像块,其中,N为大于1的整数;
根据目标指示信息,利用多个量子处理单元分别处理至少一个所述输入图像块,得到多个测量结果,其中,所述目标指示信息包括多个目标指示子信息,所述目标指示子信息用于指示与所述量子处理单元对应的至少一个所述输入图像块,至少一个所述量子处理单元处理的所述输入图像块的数目小于N;以及
根据多个所述测量结果,确定所述输入图像的处理结果,
其中,所述目标指示信息对初始指示信息进行至少一个调整周期的调整后确定的,至少一个所述调整周期中目标调整周期的指示信息是根据所述初始指示信息得到的,所述目标调整周期的指示信息是根据参考图像的标签和所述目标调整周期的输出结果调整的,所述目标调整周期的输出结果是利用多个所述量子处理单元分别处理所述参考图像的N个参考图像块得到的。
2.根据权利要求1所述的方法,其中,N个所述参考图像块是对参考图像进行划分得到的,
所述目标调整周期的输出结果是通过以下操作利用多个所述量子处理单元分别处理所述参考图像的N个参考图像块得到的:
利用多个所述量子处理单元分别处理N个所述参考图像块,得到目标调整周期的多个测量特征;
根据所述目标调整周期的多个测量特征和所述目标调整周期中多个权重向量,确定所述目标调整周期的输出结果。
3.根据权利要求1所述的方法,其中,所述目标调整周期的指示信息是通过以下操作根据参考图像的标签和所述目标调整周期的输出结果调整的:
根据所述目标调整周期的指示信息和输出结果,确定所述目标调整周期的处理后输出结果;
根据所述参考图像的标签和所述目标调整周期的处理后输出结果,确定所述目标调整周期的预调整损失;
响应于确定所述目标调整周期的预调整损失满足预设终止条件,根据所述目标调整周期的指示信息,确定目标指示信息。
4.根据权利要求3所述的方法,其中,所述目标调整周期的指示信息还是通过以下操作根据参考图像的标签和所述目标调整周期的输出结果调整的:
响应于确定所述目标调整周期的预调整损失未满足预设终止条件,根据所述目标调整周期的预调整损失,调整所述目标调整周期的指示信息以及所述目标调整周期中多个所述量子处理单元各自的参数信息,得到在后调整周期的指示信息以及所述在后调整周期中多个所述量子处理单元各自的参数信息。
5.根据权利要求3或4所述的方法,其中,所述预设终止条件包括:所述目标调整周期的预调整损失收敛。
6.根据权利要求3所述的方法,其中,所述根据所述目标调整周期的指示信息,确定目标指示信息包括:
利用第一预设值和第二预设值处理所述目标调整周期的指示信息,以确定目标指示信息。
7.根据权利要求6所述的方法,其中,所述利用第一预设值和第二预设值处理所述目标调整周期的矩阵包括:
将所述目标调整周期的指示信息中大于或等于第一预设阈值的值,替换为第一预设值;
将所述目标调整周期的指示信息中小于第一预设阈值的值,替换为第二预设值。
8.根据权利要求3所述的方法,其中,所述根据所述参考图像的标签和所述目标调整周期的处理后输出结果,确定所述目标调整周期的预调整损失包括:
根据所述目标调整周期的处理后输出结果和所述参考图像的标签,确定第一预调整子损失;
根据所述第一预调整子损失,确定所述目标调整周期的预调整损失。
9.根据权利要求8所述的方法,其中,所述根据所述第一预调整子损失,确定所述目标调整周期的预调整损失包括:
根据第一预设权重和所述目标调整周期的指示信息,确定第二预调整子损失;
根据第二预设权重和所述目标调整周期中多个所述权重向量,确定第三预调整子损失;
根据所述第一预调整子损失、所述第二预调整子损失和所述第三预调整子损失,确定所述目标调整周期的预调整损失。
10.根据权利要求1所述的方法,其中,所述根据目标指示信息,利用多个量子处理单元分别处理至少一个所述输入图像块,得到多个测量结果包括:
利用与所述目标指示子信息对应的所述量子处理单元,处理所述目标指示子信息指示的至少一个所述输入图像块,得到至少一个测量结果。
11.根据权利要求10所述的方法,其中,至少一个所述输入图像块包括多个输入子图像块,
所述利用与所述目标指示子信息对应的所述量子处理单元,处理所述目标指示子信息指示的至少一个所述输入图像块包括:
利用与所述目标指示子信息对应的所述量子处理单元,依次处理多个所述输入子图像块。
12.根据权利要求11所述的方法,其中,所述量子处理单元包括编码模块和处理模块,所述编码模块包括多个单比特旋转门,
所述利用与所述目标指示子信息对应的所述量子处理单元,依次处理多个所述输入子图像块包括:
将目标输入子图像块的多个像素分别输入多个所述单比特旋转门,得到所述目标输入子图像块的多个编码结果,其中,所述目标输入子图像块来自多个所述输入子图像块;
利用所述处理模块处理所述目标输入子图像块的多个编码结果,得到所述目标输入子图像块的输出态;
沿着泡利Z算符对所述目标输入子图像块的输出态进行测量,得到所述目标输入子图像块的测量子结果。
13.根据权利要求12所述的方法,其中,所述处理模块包括级联的多个处理子模块,所述处理子模块包括多个受控非门和多个单比特旋转门,
所述利用所述处理模块处理所述目标输入子图像块的多个编码结果,得到所述目标输入子图像块的输出态包括:
将所述目标输入子图像块的多个待处理数据输入所述处理子模块的多个所述受控非门,得到多个第一处理后数据,其中,所述目标输入子图像块的多个待处理数据是根据所述目标输入子图像块的多个编码结果确定的;
将多个所述第一处理后数据输入所述处理子模块的多个所述单比特旋转门,得到多个第二处理后数据。
14.根据权利要求13所述的方法,其中,所述待处理数据包括所述编码结果以及所述处理子模块的在前处理子模块输出的第二处理后数据,
所述输出态为最后一级所述处理子模块输出的多个第二处理后数据。
15.根据权利要求11所述的方法,其中,所述利用与所述目标指示子信息对应的所述量子处理单元,依次处理多个所述输入子图像块还包括:
响应于已确定所述目标输入子图像块的测量子结果,处理所述目标输入子图像块的在后输入子图像块的多个像素。
16.根据所述权利要求12所述的方法,其中,所述利用与所述目标指示子信息对应的所述量子处理单元,依次处理多个所述输入子图像块包括:
根据多个所述测量子结果,得到所述测量结果。
17.根据权利要求1所述的方法,其中,所述根据多个所述测量结果,确定所述输入图像的处理结果包括:
根据多个所述测量结果,得到所述输入图像的图像特征;
对所述图像特征进行全连接处理,得到所述输入图像的处理结果。
18.一种图像处理模型的训练方法,所述图像处理模型包括多个量子处理单元,包括:
对输入样本图像进行划分,得到N个输入样本图像块,其中,N为大于1的整数;
根据目标样本指示信息,利用多个所述量子处理单元分别处理至少一个所述输入样本图像块,得到多个样本测量结果,其中,所述目标样本指示信息包括多个目标样本指示子信息,所述目标样本指示子信息用于指示与所述量子处理单元对应的至少一个所述输入样本图像块,至少一个所述量子处理单元处理的所述输入样本图像块的数目小于N;以及
根据所述输入样本图像的标签和多个所述样本测量结果,调整多个所述量子处理单元各自的参数信息,以训练所述图像处理模型,
其中,所述目标样本指示信息对初始样本指示信息进行至少一个预训练周期的预训练后确定的,至少一个所述预训练周期中目标预训练周期的指示信息是根据所述初始指示信息得到的,所述目标预训练周期的指示信息是根据参考图像的标签和所述目标预训练周期的输出结果调整的,所述目标预训练周期的输出结果是利用多个所述量子处理单元分别处理所述参考图像的N个参考图像块得到的。
19.根据权利要求18所述的方法,其中,所述根据所述输入样本图像的标签和多个所述样本测量结果,调整多个所述量子处理单元各自的参数信息包括:
根据所述输入样本图像的标签和多个所述样本测量结果,确定样本损失;
根据所述样本损失,调整多个所述量子处理单元各自的参数信息。
20.根据权利要求19所述的方法,其中,所述根据所述输入样本图像的标签和多个所述样本测量结果,确定样本损失包括:
根据多个所述样本测量结果以及与多个所述样本测量结果对应的多个权重向量,确定样本输出结果;
根据所述样本输出结果和所述输入样本图像的标签,确定第一样本子损失;
根据所述第一样本子损失,确定所述样本损失。
21.根据权利要求20所述的方法,其中,所述根据所述第一样本子损失,确定所述样本损失包括:
根据第三预设权重以及多个所述权重向量,确定第二样本子损失;
根据所述第一样本子损失和第二样本子损失,确定所述样本损失。
22.一种量子处理装置,包括:
多个量子执行单元,配置为分别处理至少一个输入图像块,得到多个测量结果,其中,至少一个所述输入图像块是根据目标指示信息从N个输入图像块中确定的,多个所述输入图像块是对所述输入图像进行划分得到的,N为大于1的整数;以及
输出单元,配置为根据多个所述测量结果,确定所述输入图像的处理结果,
其中,至少一个所述量子处理单元处理的所述输入图像块的数目小于N,
其中,所述目标指示信息对初始指示信息进行至少一个调整周期的调整后确定的,至少一个所述调整周期中目标调整周期的指示信息是根据所述初始指示信息得到的,所述目标调整周期的指示信息是根据参考图像的标签和所述目标调整周期的输出结果调整的,所述目标调整周期的输出结果是利用多个所述量子处理单元分别处理所述参考图像的N个参考图像块得到的。
23.根据权利要求22所述的装置,其中,所述量子执行单元包括:
编码模块,配置为对目标输入子图像块的多个像素进行编码,得到所述目标输入子图像块的多个编码结果,其中,所述目标输入子图像块来自多个输入子图像块,多个所述输入子图像块来自至少一个所述输入图像块;
处理模块,配置为处理所述目标输入子图像块的多个编码结果,得到所述目标输入子图像块的输出态;以及
测量模块,配置为对所述目标输入子图像块的输出态进行测量,得到所述目标输入子图像块的测量子结果。
24.根据权利要求23所述的装置,其中,所述编码模块包括多个单比特旋转门,多个所述单比特旋转门配置为:
根据所述目标输入子图像块的多个像素,得到所述目标输入子图像块的多个编码结果。
25.根据权利要求23所述的装置,其中,所述处理模块包括级联的多个处理子模块,所述处理子模块包括:
多个受控非门,配置为根据所述目标输入子图像块的多个待处理数据,得到多个第一处理后数据,其中,所述目标输入子图像块的多个待处理数据是根据所述目标输入子图像块的多个编码结果确定的;以及
多个单比特旋转门,配置为根据多个所述第一处理后数据,得到多个第二处理后数据。
26.根据权利要求25所述的装置,其中,所述待处理数据包括所述编码结果以及所述处理子模块的在前处理子模块输出的第二处理后数据,
所述输出态为最后一级所述处理子模块输出的多个第二处理后数据。
27.根据权利要求23所述的装置,其中,所述测量模块配置为执行以下操作以对所述目标输入子图像块的输出态进行测量:
沿着泡利Z算符对所述目标输入子图像块的输出态进行测量。
28.根据权利要求23所述的装置,其中,所述量子处理单元还配置为响应于已确定所述目标输入子图像块的测量子结果,处理所述目标输入子图像块的在后输入子图像块的多个像素。
29.一种量子处理设备,包括如权利要求22至28任一项所述的装置。
30.一种图像处理装置,包括:
第一划分模块,用于对输入图像进行划分,得到N个输入图像块,其中,N为大于1的整数;
第一量子处理模块,用于根据目标指示信息,利用多个量子处理单元分别处理至少一个所述输入图像块,得到多个测量结果,其中,所述目标指示信息包括多个目标指示子信息,所述目标指示子信息用于指示与所述量子处理单元对应的至少一个所述输入图像块,至少一个所述量子处理单元处理的所述输入图像块的数目小于N;
第一确定模块,用于根据多个所述测量结果,确定所述输入图像的处理结果,
其中,所述目标指示信息对初始指示信息进行至少一个调整周期的调整后确定的,至少一个所述调整周期中目标调整周期的指示信息是根据所述初始指示信息得到的,所述目标调整周期的指示信息是根据参考图像的标签和所述目标调整周期的输出结果调整的,所述目标调整周期的输出结果是利用多个所述量子处理单元分别处理所述参考图像的N个参考图像块得到的。
31.一种图像处理模型的训练装置,所述图像处理模型包括多个量子处理单元,包括
第二划分模块,用于对输入样本图像进行划分,得到N个输入样本图像块,其中,N为大于1的整数;
第二量子处理模块,用于根据目标样本指示信息,利用多个所述量子处理单元分别处理至少一个所述输入样本图像块,得到多个样本测量结果,其中,所述目标样本指示信息包括多个目标样本指示子信息,所述目标样本指示子信息用于指示与所述量子处理单元对应的至少一个所述输入样本图像块,至少一个所述量子处理单元处理的所述输入样本图像块的数目小于N;以及
训练模块,用于根据所述输入样本图像的标签和多个所述样本测量结果,调整多个所述量子处理单元各自的参数信息,以训练所述图像处理模型,
其中,所述目标样本指示信息对初始样本指示信息进行至少一个预训练周期的预训练后确定的,至少一个所述预训练周期中目标预训练周期的指示信息是根据所述初始指示信息得到的,所述目标预训练周期的指示信息是根据参考图像的标签和所述目标预训练周期的输出结果调整的,所述目标预训练周期的输出结果是利用多个所述量子处理单元分别处理所述参考图像的N个参考图像块得到的。
32.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至21中任一项所述的方法。
33.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1至21中任一项所述的方法。
34.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1至21中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311544120.3A CN117522883A (zh) | 2023-11-17 | 2023-11-17 | 基于量子计算的图像处理方法、装置、电子设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311544120.3A CN117522883A (zh) | 2023-11-17 | 2023-11-17 | 基于量子计算的图像处理方法、装置、电子设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117522883A true CN117522883A (zh) | 2024-02-06 |
Family
ID=89747342
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311544120.3A Pending CN117522883A (zh) | 2023-11-17 | 2023-11-17 | 基于量子计算的图像处理方法、装置、电子设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117522883A (zh) |
-
2023
- 2023-11-17 CN CN202311544120.3A patent/CN117522883A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111783981A (zh) | 模型训练方法、装置、电子设备及可读存储介质 | |
CN113642583B (zh) | 用于文本检测的深度学习模型训练方法及文本检测方法 | |
CN113837308B (zh) | 基于知识蒸馏的模型训练方法、装置、电子设备 | |
CN113792851B (zh) | 字体生成模型训练方法、字库建立方法、装置及设备 | |
CN112561060B (zh) | 神经网络训练方法及装置、图像识别方法及装置和设备 | |
CN112784778A (zh) | 生成模型并识别年龄和性别的方法、装置、设备和介质 | |
CN115374948A (zh) | 量子神经网络的训练方法、数据处理方法、设备及介质 | |
CN113379059B (zh) | 用于量子数据分类的模型训练方法以及量子数据分类方法 | |
CN112949767A (zh) | 样本图像增量、图像检测模型训练及图像检测方法 | |
CN114187459A (zh) | 目标检测模型的训练方法、装置、电子设备以及存储介质 | |
CN108154153B (zh) | 场景分析方法和系统、电子设备 | |
CN114549840A (zh) | 语义分割模型的训练方法和语义分割方法、装置 | |
CN115496970A (zh) | 图像任务模型的训练方法、图像识别方法以及相关装置 | |
CN114386503A (zh) | 用于训练模型的方法和装置 | |
CN114511743B (zh) | 检测模型训练、目标检测方法、装置、设备、介质及产品 | |
CN114821063A (zh) | 语义分割模型的生成方法及装置、图像的处理方法 | |
CN113449778B (zh) | 用于量子数据分类的模型训练方法以及量子数据分类方法 | |
CN116363429A (zh) | 图像识别模型的训练方法、图像识别方法、装置及设备 | |
CN113642654B (zh) | 图像特征的融合方法、装置、电子设备和存储介质 | |
CN112784967B (zh) | 信息处理方法、装置以及电子设备 | |
CN117522883A (zh) | 基于量子计算的图像处理方法、装置、电子设备和介质 | |
CN115577310A (zh) | 异常对象的识别方法、装置、电子设备及存储介质 | |
CN114973333A (zh) | 人物交互检测方法、装置、设备以及存储介质 | |
CN113989152A (zh) | 图像增强方法、装置、设备以及存储介质 | |
CN111382761B (zh) | 一种基于cnn的检测器、图像检测方法及终端 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |