論文の概要: Towards Building A Facial Identification System Using Quantum Machine Learning Techniques

• arxiv url: http://arxiv.org/abs/2008.12616v1
• Date: Wed, 26 Aug 2020 20:58:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-04 21:33:13.027965
• Title: Towards Building A Facial Identification System Using Quantum Machine Learning Techniques
• Title（参考訳）: 量子機械学習を用いた顔認識システムの構築に向けて
• Authors: Philip Easom-McCaldin, Ahmed Bouridane, Ammar Belatreche, and Richard Jiang
• Abstract要約: 我々は、特に顔認証アプリケーションをターゲットにした量子機械学習技術がもたらすメリットを探求することを目的としている。 我々は、量子コンピューティングの原理を利用して、分類精度の点で大きな性能を犠牲にすることなく、指数的なスピードアップを実現することができる。
• 参考スコア（独自算出の注目度）: 5.092311422459955
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the modern world, facial identification is an extremely important task in which many applications rely on high performing algorithms to detect faces efficiently. Whilst classical methods of SVM and k-NN commonly used may perform to a good standard, they are often highly complex and take substantial computing power to run effectively. With the rise of quantum computing boasting large speedups without sacrificing large amounts of much needed performance, we aim to explore the benefits that quantum machine learning techniques can bring when specifically targeted towards facial identification applications. In the following work, we explore a quantum scheme which uses fidelity estimations of feature vectors in order to determine the classification result. Here, we are able to achieve exponential speedups by utilizing the principles of quantum computing without sacrificing large proportions of performance in terms of classification accuracy. We also propose limitations of the work and where some future efforts should be placed in order to produce robust quantum algorithms that can perform to the same standard as classical methods whilst utilizing the speedup performance gains.
• Abstract（参考訳）: 現代の世界では、顔の識別は、多くのアプリケーションが効率よく顔を検出するための高性能なアルゴリズムに依存している非常に重要なタスクである。 SVM や k-NN の古典的な手法は優れた標準として機能するが、それらはしばしば非常に複雑であり、効率的な計算能力を必要とする。 大量のパフォーマンスを犠牲にすることなく、大きなスピードアップを誇った量子コンピューティングの台頭により、我々は、顔認証アプリケーションに特化した量子機械学習技術がもたらすメリットを探求することを目指している。 以下の研究では,特徴ベクトルの忠実度推定を用いて分類結果を決定する量子スキームについて検討する。 ここでは,量子コンピューティングの原理を活用し,分類精度の面で性能を犠牲にすることなく指数関数的な高速化を実現することができる。 また,性能向上のスピードアップを生かしながら,従来の手法と同じ標準に適合する頑健な量子アルゴリズムを作成するために,作業の限界や将来的な取り組みも提案する。

関連論文リスト

• Scalable quantum detector tomography by high-performance computing [0.0]
  ヒルベルト空間を106ドルでカバーするメガスケール量子フォトニクス検出器上での量子トモグラフィーのアルゴリズムを開発した。 これは、検出器の量子記述である正の演算子値測度(POVM)に対応する行列の108ドルの要素を見つける必要があり、計算時間の数分で達成される。 問題の構造を利用して並列スケーリングを効率よく実現し、量子オブジェクトのシステムサイズを最大1012ドルの要素で再構築する方法について検討する。
  論文  参考訳（メタデータ） (2024-04-03T16:22:33Z)
• Exploring Quantum-Enhanced Machine Learning for Computer Vision: Applications and Insights on Noisy Intermediate-Scale Quantum Devices [0.0]
  本研究では,量子コンピューティングと機械学習(ML)の交わりについて検討する。 小型量子デバイスにおけるデータ再ロード方式やGAN(Generative Adversarial Networks)モデルなどのハイブリッド量子古典アルゴリズムの有効性を評価する。
  論文  参考訳（メタデータ） (2024-04-01T20:55:03Z)
• Boosted Ensembles of Qubit and Continuous Variable Quantum Support Vector Machines for B Meson Flavour Tagging [0.7232471205719458]
  量子機械学習手法をB中間子タギングに適用する。 従来の量子ビットベースおよび連続変数アーキテクチャに基づく量子支援ベクトルマシンの高速化アンサンブルをシミュレートする。 古典的にシミュレート可能な状態を超えた連続変数QSVMが、さらに高い性能を実現することが可能であることを示す。
  論文  参考訳（メタデータ） (2023-05-04T11:04:06Z)
• Quantum Annealing for Single Image Super-Resolution [86.69338893753886]
  単一画像超解像(SISR)問題を解くために,量子コンピューティングに基づくアルゴリズムを提案する。 提案したAQCアルゴリズムは、SISRの精度を維持しつつ、古典的なアナログよりも向上したスピードアップを実現する。
  論文  参考訳（メタデータ） (2023-04-18T11:57:15Z)
• Quantum Machine Learning: from physics to software engineering [58.720142291102135]
  古典的な機械学習アプローチが量子コンピュータの設備改善にどのように役立つかを示す。 量子アルゴリズムと量子コンピュータは、古典的な機械学習タスクを解くのにどのように役立つかについて議論する。
  論文  参考訳（メタデータ） (2023-01-04T23:37:45Z)
• Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
  我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。 我々は距離の計算を高速化するために量子現象を利用する。 我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
  論文  参考訳（メタデータ） (2022-12-13T16:04:16Z)
• Towards Feature Selection for Ranking and Classification Exploiting Quantum Annealers [14.519254230787993]
  本稿では,現在利用可能な量子コンピューティングアーキテクチャを用いて,ランク付けと分類の両面での2次特徴選択アルゴリズムの実現可能性について検討する。 量子コンピューティングハードウェアで得られる有効性は古典的な解法に匹敵するものであり、量子コンピュータは興味深い問題に取り組むのに十分な信頼性を持っていることを示している。
  論文  参考訳（メタデータ） (2022-05-09T14:46:38Z)
• Ps and Qs: Quantization-aware pruning for efficient low latency neural network inference [56.24109486973292]
  超低遅延アプリケーションのためのニューラルネットワークのトレーニング中の分級と量子化の相互作用を研究します。 量子化アウェアプルーニングは,タスクのプルーニングや量子化のみよりも計算効率のよいモデルであることが判明した。
  論文  参考訳（メタデータ） (2021-02-22T19:00:05Z)
• Generation of High-Resolution Handwritten Digits with an Ion-Trap Quantum Computer [55.41644538483948]
  本稿では, 量子回路に基づく生成モデルを構築し, 生成逆数ネットワークの事前分布を学習し, サンプル化する。 我々は、このハイブリッドアルゴリズムを171ドルのYb$+$ ion qubitsに基づいてイオントラップデバイスでトレーニングし、高品質な画像を生成する。
  論文  参考訳（メタデータ） (2020-12-07T18:51:28Z)
• Experimental Quantum Generative Adversarial Networks for Image Generation [93.06926114985761]
  超伝導量子プロセッサを用いた実世界の手書き桁画像の学習と生成を実験的に行う。 我々の研究は、短期量子デバイス上での高度な量子生成モデル開発のためのガイダンスを提供する。
  論文  参考訳（メタデータ） (2020-10-13T06:57:17Z)
• Quantum-enhanced algorithms for classical target detection in complex environments [0.0]
  古典的ターゲット同定および局所化アルゴリズム,特にレーダ画像に対する量子計算手法について検討した。 アルゴリズムは量子機械学習に対する最近のアプローチにインスパイアされているが、かなりの拡張が必要である。 量子効率がアルゴリズム全体の大幅な高速化を可能にするアプリケーション体制が特定される。
  論文  参考訳（メタデータ） (2020-07-29T21:07:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。