一种基于混合量子经典条件生成对抗网络的图像生成方法

本发明公开了一种基于混合量子经典条件生成对抗网络的图像生成方法。所述方法包括：首先将随机条件标签与样本真实条件标签转换成独热编码，再利用量子电路处理输入噪声及随机条件标签并进行测量将特征量子态转换成经典特征向量，特征向量通过经典单层神经网络得到生成图像数据。将样本真实图像数据与真实条件标签传入鉴别器得到真实图像判别结果，生成图像数据与随机条件标签传入鉴别器得到生成图像数据判别结果。基于这两种判别结果计算判别损失并对判别器与量子条件生成器进行训练，得到训练后的混合量子经典条件生成对抗网络并生成条件图像。基于上述方案，解决了经典GAN训练不稳定，训练参数极多的问题，突破了量子GAN在条件生成任务中的局限性，进一步推进了量子生成对抗网络在现实人工智能领域中的图像生成、模式识别等场景的应用。