一种基于量子卷积神经网络的图像分类模型设计方法

本发明公开了一种基于量子卷积神经网络的图像分类模型设计方法，涉及图像分类技术领域，包括：设计量子卷积层，其量子卷积核包括编码模块和可训练的纠缠模块，编码模块用于将输入的图像数据编码为量子态，纠缠模块用于生成量子比特间的纠缠态，得到图像的高级特征；将量子卷积层与全连接层相结合，构成初始图像分类模型，其中全连接层用于通过非线性激活函数对图像的高级特征进行分类；基于PennyLane量子机器学习框架，以目标类标准图像分类数据集作为初始图像分类模型的输入，调节量子卷积层的深度和宽度，得到最终的图像分类模型。本发明实现了图像分类模型的高效编码、有效特征提取、简化调优过程、提高分类准确率以及适应不同目标任务的能力。