基于混合量子神经网络的图像多分类方法、电子设备和存储介质

本发明公开了基于混合量子神经网络的图像多分类方法、电子设备和存储介质，待处理图像为高维经典图像，方法包括图像分类步骤，包括以下子步骤：利用主成分分析对待处理图像降维；采用基于灵活的量子图像表示方式，将降维后的待处理图像编码为量子态数据；将量子态数据输入到参数化量子电路进行量子态演化，并对演化后的量子态进行测量得到量子态的期望值；将量子态的期望值输入至卷积神经网络CNN的全连接层，全连接层输出图像多分类结果；其中，全连接层的输入维度与主成分分析的降维维度匹配。本发明将混合量子神经网络与经典卷积神经网络的结合，利用CNN强大的特征提取能力，提高了分类的准确性和抗噪性。