← 返回列表
一种图像分类方法、系统、电子设备及存储介质
摘要文本
本申请公开了一种图像分类方法、系统、电子设备及存储介质，所属的技术领域为量子机器学习技术。所述图像分类方法包括：获取样本图像，并利用卷积神经网络模块将样本图像转换为一维特征数据；对一维特征数据进行切分得到多个数据片段，并利用量子层模块中的多个量子线路并行处理所有数据片段；拼接所有量子线路的输出结果得到拼接向量，并利用分类层模块输出拼接向量对应的类别预测结果；根据类别预测结果和样本图像的类别标签计算损失函数值，并根据损失函数值训练图像分类模型；若收到图像识别任务，则确定图像识别任务对应的未知图像，并利用训练后的图像分类模型输出未知图像的图像类别。本申请能够提高图像分类的效率和精度。
申请人信息
- 申请人:量子科技长三角产业创新中心
- 申请人地址:215000 江苏省苏州市相城区青龙港路286号长三角国际研发社区启动区9C座101
- 发明人: 量子科技长三角产业创新中心
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种图像分类方法、系统、电子设备及存储介质 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311756374.1 |
| 申请日 | 2023/12/20 |
| 公告号 | CN117437494A |
| 公开日 | 2024/1/23 |
| IPC主分类号 | G06V10/764 |
| 权利人 | 量子科技长三角产业创新中心 |
| 发明人 | 熊枫; 郭宇航; 王维 |
| 地址 | 江苏省苏州市相城区青龙港路286号长三角国际研发社区启动区9C座101 |
专利主权项内容
1.一种图像分类方法，其特征在于，应用于运行有图像分类模型的电子设备，所述图像分类模型包括卷积神经网络模块、量子层模块和分类层模块，所述图像分类方法包括：获取样本图像，并利用所述卷积神经网络模块将所述样本图像转换为一维特征数据；对所述一维特征数据进行切分得到多个数据片段，并利用所述量子层模块中的多个量子线路并行处理所有所述数据片段；拼接所有所述量子线路的输出结果得到拼接向量，并利用所述分类层模块输出所述拼接向量对应的类别预测结果；根据所述类别预测结果和所述样本图像的类别标签计算损失函数值，并根据所述损失函数值更新所述卷积神经网络模块和所述量子层模块的网络参数，以便训练所述图像分类模型；若收到图像识别任务，则确定所述图像识别任务对应的未知图像，并利用训练后的所述图像分类模型输出所述未知图像的图像类别。