买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京信息工程大学

摘要：本发明公开了一种基于量子卷积神经网络的交通标志识别方法，具体包括如下步骤：步骤1：采集交通标志图像，并为每个图像进行标签处理；将采集的交通标志图像和对应的标签作为样本数据；步骤2：建立量子卷积神经网络，所述量子卷积神经网络包括预处理层，量子计算层和分类层；步骤3：对量子卷积神经网络进行训练，并采用训练好的量子卷积神经网络进行交通标志识别。本发明提高了交通标志分类性能，降低复杂性，能够应对大规模图像数据，具有较好的抗量子噪声性能，拥有很好的可应用性和可扩展性。

主权项：1.一种基于量子卷积神经网络的交通标志识别方法，其特征在于，具体包括如下步骤：步骤1：采集交通标志图像，并为每个图像进行标签处理；将采集的交通标志图像和对应的标签作为样本数据；步骤2：建立量子卷积神经网络，所述量子卷积神经网络包括预处理层，量子电路和分类层；所述预处理层对样本数据进行预处理，所述预处理具体为对样本数据进行类softmax处理，对类softmax处理后的数据进行振幅编码，得到C个通道量子比特和I1个特征量子比特，将得到的量子比特送入量子电路中处理；所述量子电路包括量子计算层和一个独立的受控卷积层，量子计算层包括受控卷积层，量子池化层和量子通道注意力层，受控卷积层对输入的特征量子比特进行卷积操作，选择w个卷积操作后的特征量子比特输入至量子池化层，w≤I1，量子池化层将控制量子比特所包含的信息转移至受控量子比特上；然后采用量子通道注意力层提取控制量子比特和通道量子比特的通道注意力信息，并舍弃控制量子比特；判断是否满足预设的停止条件，若否，则将当前量子计算层的输出输入到下一个量子计算层中，直到满足预设的停止条件，若是，则将当前量子计算层的输出输入至一个独立的受控卷积层，将该独立的受控卷积层的输出作为量子电路的输出；并将量子电路的输出输入至分类层；所述分类层输出交通标志的分类结果；步骤3：对量子卷积神经网络进行训练，并采用训练好的量子卷积神经网络进行交通标志识别；所述步骤2中类softmax采用如下公式对样本数据进行处理： 其中，M表示类softmax的温度，x表示N维的样本数据向量，xi表示向量x的第i个像素；i＝1,2,…,N；j1＝1,2,…,N；p为拥有N个像素C个通道的经由类softmax处理的多通道数据向量，pi表示向量p的第i个像素；所述振幅编码的表达式如下所示： 其中，pi+NC表示向量p的第i个像素的第c个通道的值；U.表示振幅编码函数，|c表示通道量子比特的基态，|i表示特征量子比特的基态。

全文数据：

权利要求：

百度查询： 南京信息工程大学 一种基于量子卷积神经网络的交通标志识别方法