具有量子注意力机制的神经网络构建和图像分类方法

本发明涉及深度学习、量子计算以及计算机分类问题技术领域，尤其是一种具有量子注意力机制的神经网络构建和图像分类方法。本发明将量子计算引入到经典通道注意力机制中构建了量子‑经典混合神经网络。其中，注意力层将输入特征图先进行全局平均池化，将每个通道上的数据进行压缩，再利用量子神经网络表达能力强的优势进行特征抽离，生成每个特征图的量子权重系数；最后将量子权重系数乘以特征图得到带有量子通道注意力的权重特征图，输入到后续的卷积层进行分类任务。本发明具有良好的可扩展性，可以作为模块加入主流的经典网络架构中发挥作用，且可以大幅降低所需量子比特数，为量子网络结构的实际实现带来可能。