論文の概要: On-board classification of underwater images using hybrid classical-quantum CNN based method
- arxiv url: http://arxiv.org/abs/2404.13130v1
- Date: Fri, 19 Apr 2024 18:34:52 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-23 20:18:24.715400
- Title: On-board classification of underwater images using hybrid classical-quantum CNN based method
- Title(参考訳): ハイブリッド古典量子CNN法による水中画像のオンボード分類
- Authors: Sreeraj Rajan Warrier, D Sri Harshavardhan Reddy, Sriya Bada, Rohith Achampeta, Sebastian Uppapalli, Jayasri Dontabhaktuni,
- Abstract要約: 自律型水中車両(AUV)から撮影された水中画像は、しばしば低光度、高濁度、低コントラスト、動きブルー、過度の光散乱に悩まされる。
これらのAUVの画像のオブジェクト認識法は、水中パイプラインと光ファイバー監視、海底資源抽出、海底マッピング、水中種探査に潜在的に有用である。
我々は、AUV上でのリアルタイム水中物体認識に量子古典的ハイブリッド機械学習手法を初めて使用した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Underwater images taken from autonomous underwater vehicles (AUV's) often suffer from low light, high turbidity, poor contrast, motion-blur and excessive light scattering and hence require image enhancement techniques for object recognition. Machine learning methods are being increasingly used for object recognition under such adverse conditions. These enhanced object recognition methods of images taken from AUV's has potential applications in underwater pipeline and optical fibre surveillance, ocean bed resource extraction, ocean floor mapping, underwater species exploration, etc. While the classical machine learning methods are very efficient in terms of accuracy, they require large datasets and high computational time for image classification. In the current work, we use quantum-classical hybrid machine learning methods for real-time under-water object recognition on-board an AUV for the first time. We use real-time motion-blurred and low-light images taken from an on-board camera of AUV built in-house and apply existing hybrid machine learning methods for object recognition. Our hybrid methods consist of quantum encoding and flattening of classical images using quantum circuits and sending them to classical neural networks for image classification. The results of hybrid methods carried out using Pennylane based quantum simulators both on GPU and using pre-trained models on an on-board NVIDIA GPU chipset are compared with results from corresponding classical machine learning methods. We observe that the hybrid quantum machine learning methods show an efficiency greater than 65\% and reduction in run-time by one-thirds and require 50\% smaller dataset sizes for training the models compared to classical machine learning methods. We hope that our work opens up further possibilities in quantum enhanced real-time computer vision in autonomous vehicles.
- Abstract(参考訳): 自律型水中車両(AUV)から撮影された水中画像は、しばしば低光度、高濁度、低コントラスト、運動色、過度の光散乱に悩まされるため、物体認識のための画像強調技術が必要である。
このような悪条件下では、物体認識に機械学習手法がますます使われてきている。
これらのAUVの画像のオブジェクト認識手法は、水中パイプラインや光ファイバー監視、海底資源抽出、海底マッピング、水中種探査などに応用できる可能性がある。
古典的な機械学習手法は精度の点で非常に効率的であるが、画像分類には大きなデータセットと高い計算時間が必要である。
現在の研究では、AUV上でのリアルタイム水中物体認識に量子古典的ハイブリッド機械学習手法を初めて使用しています。
我々は、AUVの内蔵カメラから撮影したリアルタイムのモーションブルーと低照度の画像を使用し、既存のハイブリッド機械学習手法をオブジェクト認識に適用した。
我々のハイブリッド手法は、量子回路を用いて古典的な画像の量子符号化と平坦化を行い、それらを古典的なニューラルネットワークに送信して画像分類を行う。
The results of hybrid method performed using Pennylane based quantum simulators on GPU and using pre-trained model on on on on on on on onboard NVIDIA GPU chipset were compared with corresponding classical machine learning method。
ハイブリッド量子機械学習法は,従来の機械学習法と比較して,65%以上の効率を示し,実行時間を3分の1削減し,データセットサイズを50倍に削減する。
私たちの研究が、自動運転車における量子強化リアルタイムコンピュータビジョンのさらなる可能性を開くことを願っています。
関連論文リスト
- Nonnegative/Binary Matrix Factorization for Image Classification using
Quantum Annealing [0.0]
画像分類のための量子アニールを用いた行列分解法を実装した。
以上の結果から,NAMFで訓練したモデルの精度は,データ量,特徴量,エポックスが小さい場合,従来の機械学習手法よりも優れていることがわかった。
論文 参考訳(メタデータ) (2023-11-02T06:41:27Z) - 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) - Deep Learning Computer Vision Algorithms for Real-time UAVs On-board
Camera Image Processing [77.34726150561087]
本稿では,ディープラーニングに基づくコンピュータビジョンアルゴリズムを用いて,小型UAVのリアルタイムセンサ処理を実現する方法について述べる。
すべてのアルゴリズムは、ディープニューラルネットワークに基づく最先端の画像処理手法を用いて開発されている。
論文 参考訳(メタデータ) (2022-11-02T11:10:42Z) - Physics to the Rescue: Deep Non-line-of-sight Reconstruction for
High-speed Imaging [13.271762773872476]
本稿では,高品位かつ堅牢なNLOS再構成のためのニューラルネットワークに,波動伝搬とボリュームレンダリングの相補的な物理を組み込んだ新しいディープモデルを提案する。
本手法は, 実測値と実測値の両方に基づいて, 従来の物理・学習手法よりも優れていた。
論文 参考訳(メタデータ) (2022-05-03T02:47:02Z) - Enhanced detection techniques of Orbital Angular Momentum states in the
classical and quantum regimes [48.7576911714538]
Orbital Angular Momentum(OAM)状態に固有の複雑な構造は、それらの検出と分類を非自明にする。
現在の検出方式のほとんどは、ラゲール・ガウスモードを用いて構築されたOAM状態のモデルに基づいている。
我々は、OAM検出技術を改善するために(特定のシナリオにおいて)洗練されたモデルの基礎状態として、ハイパー幾何-ガウスモードを用いる。
論文 参考訳(メタデータ) (2022-01-19T18:46:34Z) - Hybrid Classical-Quantum Deep Learning Models for Autonomous Vehicle
Traffic Image Classification Under Adversarial Attack [2.6545358349290415]
トラフィックサイン画像は、AVがトラフィックサイン認識に使用している機械学習モデルに対する敵攻撃によって、誤って分類することができる。
逆攻撃に対して弾力性のある分類モデルを構築するために、量子層と古典層の両方を用いたハイブリッドディープラーニングモデルを用いた。
我々のゴールは、中規模量子技術の現在の時代を支えるために、古典量子移動学習モデルのハイブリッドディープラーニングアーキテクチャの研究である。
論文 参考訳(メタデータ) (2021-08-02T19:00:20Z) - A Review of Machine Learning Classification Using Quantum Annealing for
Real-world Applications [1.8047694351309205]
物理量子アニールの実装は、D-Waveシステムによって実現されている。
量子アニールを用いた各種機械学習アプリケーションに関する最近の実験結果から興味深い結果が得られた。
我々は、画像認識、リモートセンシング画像、計算生物学、粒子物理学などの応用のために、D-Wave量子アニールを用いた実験を議論し、分析する。
論文 参考訳(メタデータ) (2021-06-05T21:15:34Z) - 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) - Single Image Brightening via Multi-Scale Exposure Fusion with Hybrid
Learning [48.890709236564945]
小さいISOと小さな露光時間は、通常、背面または低い光条件下で画像をキャプチャするために使用される。
本稿では、そのような画像を明るくするために、単一の画像輝度化アルゴリズムを提案する。
提案アルゴリズムは,露出時間が大きい2つの仮想画像を生成するための,ユニークなハイブリッド学習フレームワークを含む。
論文 参考訳(メタデータ) (2020-07-04T08:23:07Z) - A Comparison of Few-Shot Learning Methods for Underwater Optical and
Sonar Image Classification [10.448481847860705]
ディープ畳み込みニューラルネットワークは一般的に水中の物体認識タスクでよく機能する。
Few-Shot Learningの取り組みは、データ可用性を低くする多くの有望な方法を生み出している。
本論文は,水中光およびサイドスキャンソナー画像を用いて,教師付きおよび半教師付きFew-Shot Learning法の評価と比較を行った最初の論文である。
論文 参考訳(メタデータ) (2020-05-10T10:11:16Z) - BP-DIP: A Backprojection based Deep Image Prior [49.375539602228415]
画像復元手法として, (i)Deep Image Prior (DIP) と (ii) バックプロジェクション (BP) の2つの手法を提案する。
提案手法はBP-DIP(BP-DIP)と呼ばれ,高いPSNR値とより優れた推論実行時間を持つ通常のDIPよりも優れた性能を示す。
論文 参考訳(メタデータ) (2020-03-11T17:09:12Z)
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。