-
公开(公告)号:CN112529812B
公开(公告)日:2022-12-02
申请号:CN202011506531.X
申请日:2020-12-18
Applicant: 西安微电子技术研究所 , 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明属于图像处理技术领域,涉及一种基于量子傅里叶变换的遥感图像去噪方法,旨在保证去噪效果不下降的前提下,提高遥感图像去噪的速度,实现步骤为:1)对空域遥感图像进行量子化编码;2)在量子计算机中对每幅空域量子遥感图像进行量子傅里叶变换;3)在量子计算机中对每幅频域量子遥感图像进行量子滤波;4)在量子计算机中获取每幅空域遥感图像的去噪结果。本发明采用QImR编码方法和量子傅里叶变换,使得遥感图像中大量的像素值可以存储在少量的量子比特中,并且能够被同时运算,降低了时间复杂度,同时采用量子滤波函数抑制高频信号,因此能在不影响遥感图像噪声抑制能力的前提下,提高去噪效率。
-
公开(公告)号:CN112529812A
公开(公告)日:2021-03-19
申请号:CN202011506531.X
申请日:2020-12-18
Applicant: 西安微电子技术研究所 , 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明属于图像处理技术领域,涉及一种基于量子傅里叶变换的遥感图像去噪方法,旨在保证去噪效果不下降的前提下,提高遥感图像去噪的速度,实现步骤为:1)对空域遥感图像进行量子化编码;2)在量子计算机中对每幅空域量子遥感图像进行量子傅里叶变换;3)在量子计算机中对每幅频域量子遥感图像进行量子滤波;4)在量子计算机中获取每幅空域遥感图像的去噪结果。本发明采用QImR编码方法和量子傅里叶变换,使得遥感图像中大量的像素值可以存储在少量的量子比特中,并且能够被同时运算,降低了时间复杂度,同时采用量子滤波函数抑制高频信号,因此能在不影响遥感图像噪声抑制能力的前提下,提高去噪效率。
-
公开(公告)号:CN116430904A
公开(公告)日:2023-07-14
申请号:CN202310543396.3
申请日:2023-05-15
Applicant: 西安电子科技大学
IPC: G05D1/10
Abstract: 本发明公开了一种基于轻量级连续型SAC算法的无人机自主路径规划方法,其步骤为:构建无人机飞行控制数学模型;设计状态空间、动作空间以及奖励函数;搭建深度强化学习神经网络模型;生成经验数据集;利用SAC算法训练深度神经网络;以训练好的网络作为教师网络进行模型蒸馏。本发明基于深度强化学习,以SAC算法作为模型基本框架,自主设计奖励函数提高训练效率,利用模型蒸馏缩小网络规模,实现了高探索度、轻量化的无人机路径规划方法,解决了无人机有时会出现原地打转平滑度差、噪声较多情况下产生误判、训练效率和稳定性较差、以及模型响应速度慢的问题。
-
公开(公告)号:CN112446432B
公开(公告)日:2023-06-30
申请号:CN202011370471.3
申请日:2020-11-30
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/82 , G06N3/086
Abstract: 本发明公开了一种基于量子自学习自训练网络的手写体图片分类方法,其步骤为:构建神经网络;生成训练集;计算量子染色体个体长度;建立量子染色体种群;对神经元的权重值与偏置值进行量子编码;利用量子进化策略获得最优神经网络;判断当前进化是否陷入局部最优,若是,进行全干扰交叉,否则,判断进化是否终止;进行全干扰交叉;判断当前的进化是否满足终止条件,若是,则输出分类结果,否则,继续进化迭代;输出分类结果。本发明有效的克服了现有技术中易于陷入局部最优,需要人为设置超参数过多的问题,具有分类精度高,保证分类结果稳定性和可靠性的优点。
-
公开(公告)号:CN114676837A
公开(公告)日:2022-06-28
申请号:CN202210362448.2
申请日:2022-04-07
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于量子模拟器的进化量子神经网络架构搜索方法,主要解决现有技术设计的量子神经网络模型精度低、复杂度高的问题。其实现方案为:对图像数据进行量子化编码;设计量子神经网络基本框架;利用量子编码后的图像数据采用量子进化算法搜索量子神经网络基本框架下的最优结构参数,在量子进化算法中,量子神经网络被编码为量子染色体,利用量子观测、量子旋转门更新、全干扰交叉操作寻找最优结构参数;基于最优结构参数构建最优量子神经网络。本发明搜索得到的量子神经网络具有更高的模型精度和更低的复杂度,并能将其部署在量子模拟器或者真实的量子系统上,充分利用量子计算的并行优势,提高模型的推理速度,可用于图像分类。
-
公开(公告)号:CN114676837B
公开(公告)日:2025-01-10
申请号:CN202210362448.2
申请日:2022-04-07
Applicant: 西安电子科技大学
IPC: G06N10/60 , G06N10/80 , G06V10/764 , G06N3/126 , G06F17/16
Abstract: 本发明公开了一种基于量子模拟器的进化量子神经网络架构搜索方法,主要解决现有技术设计的量子神经网络模型精度低、复杂度高的问题。其实现方案为:对图像数据进行量子化编码;设计量子神经网络基本框架;利用量子编码后的图像数据采用量子进化算法搜索量子神经网络基本框架下的最优结构参数,在量子进化算法中,量子神经网络被编码为量子染色体,利用量子观测、量子旋转门更新、全干扰交叉操作寻找最优结构参数;基于最优结构参数构建最优量子神经网络。本发明搜索得到的量子神经网络具有更高的模型精度和更低的复杂度,并能将其部署在量子模拟器或者真实的量子系统上,充分利用量子计算的并行优势,提高模型的推理速度,可用于图像分类。
-
公开(公告)号:CN112446432A
公开(公告)日:2021-03-05
申请号:CN202011370471.3
申请日:2020-11-30
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于量子自学习自训练网络的手写体图片分类方法,其步骤为:构建神经网络;生成训练集;计算量子染色体个体长度;建立量子染色体种群;对神经元的权重值与偏置值进行量子编码;利用量子进化策略获得最优神经网络;判断当前进化是否陷入局部最优,若是,进行全干扰交叉,否则,判断进化是否终止;进行全干扰交叉;判断当前的进化是否满足终止条件,若是,则输出分类结果,否则,继续进化迭代;输出分类结果。本发明有效的克服了现有技术中易于陷入局部最优,需要人为设置超参数过多的问题,具有分类精度高,保证分类结果稳定性和可靠性的优点。
-
公开(公告)号:CN112528069B
公开(公告)日:2024-03-01
申请号:CN202011412302.1
申请日:2020-12-04
Applicant: 西安电子科技大学
IPC: G06F16/61 , G06F16/683 , G06F18/22
Abstract: 本发明提出了一种基于量子Grover算法的音频指纹检索方法,其实现步骤是:(1)生成音频指纹集合;(2)提取待检索音频的音频指纹;(3)计算待检索音频指纹与音频指纹集合中所有指纹之间的相似度;(4)使用Grover算法搜索最大相似度的索引;本发明计算待检测音频的音频指纹与音频指纹集合中每个音频指纹之间的相似度,保证检索准确率,再利用量子Grover算法搜索所有相似度中的最大相似度的索引,克服了搜索需要的步骤与相似度集合中元素数量成线性正比关系的问题,使得本发明提高了音频指纹检索的效率。
-
公开(公告)号:CN114863348A
公开(公告)日:2022-08-05
申请号:CN202210658263.6
申请日:2022-06-10
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于自监督的视频目标分割方法,主要解决现有技术分割精度较低、目标遮挡和追踪漂移影响较大的问题。方案包括:1)从视频目标分割数据集中获取视频序列并进行预处理,划分得到训练、验证及测试样本集;2)构建并训练图像重建神经网络模型,采用基于多像素尺度图像重建任务的自监督学习法进行目标特征提取;3)构建并训练侧输出边缘检测网络模型;4)构建并训练基于自监督的边缘修正网络模型;5)对训练后的三种模型进行组合,得到视频目标分割模型;6)将测试集输入视频目标分割模型得到目标分割结果。本发明能够有效提升视频目标分割的泛化性和精确度,可用于自动驾驶、智能监控、无人机智能跟踪等领域。
-
公开(公告)号:CN112528069A
公开(公告)日:2021-03-19
申请号:CN202011412302.1
申请日:2020-12-04
Applicant: 西安电子科技大学
IPC: G06F16/61 , G06F16/683 , G06K9/62
Abstract: 本发明提出了一种基于量子Grover算法的音频指纹检索方法,其实现步骤是:(1)生成音频指纹集合;(2)提取待检索音频的音频指纹;(3)计算待检索音频指纹与音频指纹集合中所有指纹之间的相似度;(4)使用Grover算法搜索最大相似度的索引;本发明计算待检测音频的音频指纹与音频指纹集合中每个音频指纹之间的相似度,保证检索准确率,再利用量子Grover算法搜索所有相似度中的最大相似度的索引,克服了搜索需要的步骤与相似度集合中元素数量成线性正比关系的问题,使得本发明提高了音频指纹检索的效率。
-
-
-
-
-
-
-
-
-