Fugu-MT 論文翻訳(概要): Quantum Face Recognition Protocol with Ghost Imaging

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

Qubit-efficient Variational Quantum Algorithms for Image Segmentation [4.737806718785056]
量子コンピューティングは、古典的なアルゴリズムの範囲を超えて、様々な計算タスクを変換することが期待されている。本研究では,教師なし画像分割における変分量子アルゴリズム(VQA)の適用について検討する。
論文参考訳（メタデータ） (2024-05-23T10:21:57Z)
Digital-analog quantum convolutional neural networks for image classification [3.7691369315275693]
我々は、中性原子量子プロセッサにおけるネイティブIsing相互作用から生じる多部結合アナログブロックについて考察する。ハードウェアの制約に応じて量子ビット接続を可変させることにより、複数の量子カーネルを適用する。非トレーニング可能な量子カーネルと標準的な畳み込みニューラルネットワークを組み合わせたアーキテクチャは、現実的な医療画像の分類に使用される。
論文参考訳（メタデータ） (2024-05-01T14:43:20Z)
Edge Detection Quantumized: A Novel Quantum Algorithm For Image Processing [0.0]
本稿では、量子画像のフレキシブル表現(FRQI)符号化と修正QHEDアルゴリズムを組み合わせた新しいプロトコルを提案する。改良されたエッジアウトライン法が提案され、従来のQHEDアルゴリズムよりもオブジェクトアウトライン出力が良く、より正確なエッジ検出が可能となった。
論文参考訳（メタデータ） (2024-04-10T10:29:08Z)
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)
Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。どの場の量子スピードアップが達成できるかという新たな課題が生じる。量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
論文参考訳（メタデータ） (2024-02-26T09:32:07Z)
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 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)
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)
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。