論文の概要: Quantum Face Recognition Protocol with Ghost Imaging
- arxiv url: http://arxiv.org/abs/2110.10088v1
- Date: Tue, 19 Oct 2021 16:31:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-11 02:01:44.465791
- Title: Quantum Face Recognition Protocol with Ghost Imaging
- Title(参考訳): ゴーストイメージングを用いた量子顔認識プロトコル
- Authors: Vahid Salari, Dilip Paneru, Erhan Saglamyurek, Milad Ghadimi, Moloud
Abdar, Mohammadreza Rezaee, Mehdi Aslani, Shabir Barzanjeh, Ebrahim Karimi
- Abstract要約: 量子主成分分析(QPCA)に基づくパターン認識のための量子機械学習アルゴリズムを提案する。
また,行列(画像)のトレースと計算の行列式に基づく顔の相似性を求める新しい量子アルゴリズムを提案する。
量子アルゴリズムと量子入力を備えた完全量子パターン認識システムでは、画像の取得と識別が大幅に改善される。
- 参考スコア(独自算出の注目度): 1.4856165761750735
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Face recognition is one of the most ubiquitous examples of pattern
recognition in machine learning, with numerous applications in security, access
control, and law enforcement, among many others. Pattern recognition with
classical algorithms requires significant computational resources, especially
when dealing with high-resolution images in an extensive database. Quantum
algorithms have been shown to improve the efficiency and speed of many
computational tasks, and as such, they could also potentially improve the
complexity of the face recognition process. Here, we propose a quantum machine
learning algorithm for pattern recognition based on quantum principal component
analysis (QPCA), and quantum independent component analysis (QICA). A novel
quantum algorithm for finding dissimilarity in the faces based on the
computation of trace and determinant of a matrix (image) is also proposed. The
overall complexity of our pattern recognition algorithm is O(Nlog N) -- $N$ is
the image dimension. As an input to these pattern recognition algorithms, we
consider experimental images obtained from quantum imaging techniques with
correlated photons, e.g. "interaction-free" imaging or "ghost" imaging.
Interfacing these imaging techniques with our quantum pattern recognition
processor provides input images that possess a better signal-to-noise ratio,
lower exposures, and higher resolution, thus speeding up the machine learning
process further. Our fully quantum pattern recognition system with quantum
algorithm and quantum inputs promises a much-improved image acquisition and
identification system with potential applications extending beyond face
recognition, e.g., in medical imaging for diagnosing sensitive tissues or
biology for protein identification.
- Abstract(参考訳): 顔認識は、機械学習におけるパターン認識の最も一般的な例の1つであり、セキュリティ、アクセス制御、法執行など多くの応用がある。
古典的アルゴリズムによるパターン認識は、特に大規模なデータベースで高解像度画像を扱う場合、重要な計算資源を必要とする。
量子アルゴリズムは多くの計算タスクの効率と速度を改善することが示されており、顔認識プロセスの複雑さも改善される可能性がある。
本稿では、量子主成分分析(QPCA)と量子独立成分分析(QICA)に基づくパターン認識のための量子機械学習アルゴリズムを提案する。
また,行列(画像)のトレースと行列式の計算に基づいて,顔の相似性を求める新しい量子アルゴリズムを提案する。
パターン認識アルゴリズムの全体的な複雑さはO(Nlog N) --$N$が画像次元である。
これらのパターン認識アルゴリズムの入力として、「相互作用のない」イメージングや「ゴースト」イメージングなどの相関した光子を用いた量子イメージング技術から得られる実験画像を考える。
これらの画像技術と量子パターン認識プロセッサは、より優れた信号対雑音比、低露光、高解像度の入力画像を提供し、機械学習プロセスをさらに高速化する。
量子アルゴリズムと量子入力を備えた完全な量子パターン認識システムは、顔認識を超えて、例えば、機密組織の診断やタンパク質識別のための生物学の医学的画像診断など、大幅に改良された画像取得と識別システムを実現する。
関連論文リスト
- Hybrid quantum transfer learning for crack image classification on NISQ
hardware [62.997667081978825]
グレー値画像のひび割れ検出に量子転送学習を適用した。
我々は、PennyLaneの標準量子ビットのパフォーマンスとトレーニング時間を、IBMのqasm_simulatorや実際のバックエンドと比較する。
論文 参考訳(メタデータ) (2023-07-31T14:45:29Z) - Quantum Optics based Algorithm for Measuring the Similarity between
Images [1.7778609937758327]
画像表現の基本的な量子資源としてコヒーレントな状態を用いる量子光学の定式化に基づくアルゴリズムを報告する。
得られた位相分散多モードコヒーレント状態は画像検索方式に入力され、類似度測定に適したレーザ強度パラメータを同定する。
論文 参考訳(メタデータ) (2023-07-19T07:13:55Z) - Quantum machine learning for image classification [62.997667081978825]
我々のハイブリッド量子アプローチの1つは、MNISTデータセットで99%以上の顕著な精度を示す。
要約して,本研究は,量子機械学習技術を用いた画像認識と分類の改善に関する継続的な研究に寄与する。
論文 参考訳(メタデータ) (2023-04-18T18:23:20Z) - 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) - Parametrized Complexity of Quantum Inspired Algorithms [0.0]
量子アルゴリズムの有望な領域は量子機械学習と量子最適化である。
近年の量子技術、特に量子ソフトウェアの発展により、研究と産業のコミュニティは量子アルゴリズムの新しい応用を見つけようとしている。
論文 参考訳(メタデータ) (2021-12-22T06:19:36Z) - Variational Quantum Anomaly Detection: Unsupervised mapping of phase
diagrams on a physical quantum computer [0.0]
量子シミュレーションから量子データを解析するための教師なし量子機械学習アルゴリズムである変分量子異常検出を提案する。
このアルゴリズムは、事前の物理的知識を持たないシステムの位相図を抽出するために用いられる。
現在ではアクセスしやすいデバイスで使用でき、実際の量子コンピュータ上でアルゴリズムを実行することができる。
論文 参考訳(メタデータ) (2021-06-15T06:54:47Z) - Facial Expression Recognition on a Quantum Computer [68.8204255655161]
量子機械学習手法を用いて表情認識の可能な解を示す。
適切に定義された量子状態の振幅に符号化されたグラフの隣接行列を操作する量子回路を定義する。
論文 参考訳(メタデータ) (2021-02-09T13:48:00Z) - A Quantum Edge Detection Algorithm [2.639737913330821]
エンタングルメントや重畳といった量子特性を利用して、多くの画像処理アルゴリズムが指数的なスピードアップを実現できることを示す。
本稿では,量子エッジ検出アルゴリズムの改良版を提案する。
論文 参考訳(メタデータ) (2020-12-20T22:10:05Z) - 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) - Quantum-enhanced barcode decoding and pattern recognition [0.8602553195689513]
量子絡み合った情報源と適切な測定とデータ処理を組み合わせることで、バーコードデータの復号化や白黒パターンの分類といったタスクにおいて、古典的コヒーレントステート戦略を大幅に上回ることを示す。
理論的には、近隣のパターン認識に量子センサを用いることの利点を理論的に証明し、手書き桁分類におけるこの予測を数値的に検証する。
論文 参考訳(メタデータ) (2020-10-07T18:19:31Z) - Fast and robust quantum state tomography from few basis measurements [65.36803384844723]
本稿では、上記の全てのリソースを精度に悪影響を及ぼすことなく最適化するオンライントモグラフィーアルゴリズムを提案する。
このプロトコルは、状態コピー、測定設定、メモリのランクと寸法で証明可能なパフォーマンスを初めて提供する。
量子コンピュータ上でアルゴリズムを実行し、量子状態トモグラフィーのための量子スピードアップを提供することにより、さらなる改善が可能となる。
論文 参考訳(メタデータ) (2020-09-17T11:28:41Z)
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。