論文の概要: Facial classification Using Hybrid Quantum Machine Learning

• arxiv url: http://arxiv.org/abs/2609.31915v1
• Date: Fri, 25 Sep 2026 18:59:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 04:37:20.967796
• Title: Facial classification Using Hybrid Quantum Machine Learning
• Title（参考訳）: ハイブリッド量子機械学習を用いた顔分類
• Abstract要約: 本稿では,標準計算ハードウェア上での動作を目的とした,ハイブリッドな量子古典型顔認識パイプラインを提案する。 50,000枚の画像を用いた実験では、報告されたCPUでトレーニングされたFaceNetベースラインよりも精度とトレーニング効率が向上した。 これらの知見は、既存のCPUハードウェア上での顔認識のためのハイブリッド量子メソッドのデプロイの実現性を支持する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hybrid quantum methods have received limited study for resource-constrained facial biometrics. We present a hybrid quantum-classical facial recognition pipeline designed to run on standard computing hardware. Images undergo gamma correction, contrast enhancement, and principal component analysis before their features are encoded into an eight-qubit variational quantum classifier. Classical image matching then performs recognition. In experiments with 50,000 images, comprising 25,000 faces from CelebA and 25,000 non-face images from CIFAR-10, the method outperformed the reported CPU-trained FaceNet baseline in accuracy and training efficiency. The pipeline was also evaluated on GPU and quantum hardware. In an attendance monitoring deployment at Mahindra University in collaboration with Lloyds Technology Centre, CPU inference took 0.2 to 0.5 seconds per person, and the system remained robust to the use of spectacles. These findings support the feasibility of deploying hybrid quantum methods for facial recognition on existing CPU hardware.
• Abstract（参考訳）: ハイブリッド量子法は、資源制約された顔バイオメトリックスについて限定的な研究を受けている。 本稿では,標準計算ハードウェア上での動作を目的とした,ハイブリッドな量子古典型顔認識パイプラインを提案する。 画像は、8ビットの変分量子分類器に符号化される前に、ガンマ補正、コントラスト強調、主成分分析を行う。 古典的な画像マッチングは認識を行う。 CIFAR-10のCelebAの25,000面と、CIFAR-10の25,000面の非顔画像を含む5万枚の画像を用いた実験では、報告されたCPU訓練されたFaceNetベースラインよりも精度とトレーニング効率が向上した。 パイプラインはGPUや量子ハードウェアでも評価された。 マヒンドラ大学のロイズ・テクノロジー・センター(英語版)との共同で、CPU推論は1人当たり0.2秒から0.5秒を要し、システムは眼鏡の使用に頑丈なままであった。 これらの知見は、既存のCPUハードウェア上での顔認識のためのハイブリッド量子メソッドのデプロイの実現性を支持する。

関連論文リスト

• Robust quantum computational advantage with programmable 3050-photon Gaussian boson sampling [33.93010841534828]
  この研究はQCAの新しいフロンティアを確立し、フォールトトレラントなフォトニック量子コンピューティングハードウェアへの道を開く。 空間時間エンコードされた8176モード, プログラム可能なフォトニック量子プロセッサ, Jiuzhang 4.0に1024個の高効率圧縮状態が注入された新しいガウスボソンサンプリング(GBS)実験を報告する。 実験結果は, 古典的スプーフィングアルゴリズム, 特に行列積状態(MPS)法よりも優れており, GBSの古典的シミュレーション複雑性を低減するために光子損失を利用する方法が最近提案されている。
  論文  参考訳（メタデータ） (2025-08-12T17:17:40Z)
• Photonic processor benchmarking for variational quantum process tomography [1.7751300245073598]
  光プロセッサを用いた変分量子プロセストモグラフィーの量子-アナログ実験例を示す。 可変量子プロセストモグラフィーのための最初のベンチマークを作成し、その実験の性能を光学プロセッサで評価した。
  論文  参考訳（メタデータ） (2025-07-11T13:18:53Z)
• Supervised binary classification of small-scale digit images and weighted graphs with a trapped-ion quantum processor [56.089799129458875]
  捕捉された171ドルYb$+$イオンに基づく量子プロセッサのベンチマーク結果を示す。 リングトポロジを持つ小さな二進数画像と重み付きグラフの2種類のデータセットに対して、教師付き二進分類を行う。
  論文  参考訳（メタデータ） (2024-06-17T18:20:51Z)
• A Quantum-Classical Collaborative Training Architecture Based on Quantum State Fidelity [50.387179833629254]
  我々は,コ・テンク (co-TenQu) と呼ばれる古典量子アーキテクチャを導入する。 Co-TenQuは古典的なディープニューラルネットワークを41.72%まで向上させる。 他の量子ベースの手法よりも1.9倍も優れており、70.59%少ない量子ビットを使用しながら、同様の精度を達成している。
  論文  参考訳（メタデータ） (2024-02-23T14:09:41Z)
• 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 machine learning for image classification [39.58317527488534]
  本研究では、量子力学の原理を有効計算に活用する2つの量子機械学習モデルを紹介する。 我々の最初のモデルは、並列量子回路を持つハイブリッド量子ニューラルネットワークであり、ノイズの多い中間スケール量子時代においても計算の実行を可能にする。 第2のモデルは、クオン進化層を持つハイブリッド量子ニューラルネットワークを導入し、畳み込みプロセスによる画像の解像度を低下させる。
  論文  参考訳（メタデータ） (2023-04-18T18:23:20Z)
• A hybrid quantum image edge detector for the NISQ era [62.997667081978825]
  本稿では,量子人工ニューロンのアイデアに基づく量子エッジ検出のハイブリッド手法を提案する。 提案手法は, 量子コンピュータ, 特に現在ノイズの多い中間量子時代において, 実際に実装することができる。
  論文  参考訳（メタデータ） (2022-03-22T22:02:09Z)
• 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)

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。