摘要
本发明公开了一种基于量子迁移的遥感图像识别方法、系统、设备和产品,涉及遥感图像识别技术领域,通过获取预训练的用于识别预设目标的深度学习模型,提取所述深度学习模型的高层特征;通过角度编码将所述高层特征编码为量子态,并构建以指定量子比特为中心的多比特纠缠态,形成量子神经网络;根据预训练的所述深度学习模型和所述量子神经网络,形成混合迁移模型;对所述混合迁移模型进行训练,将待识别遥感图像输入至训练后的混合迁移模型,识别得到预设目标。采用本发明实施例,能够降低模型参数量,同时利用经典计算机的算力和量子计算机的全局特征,满足遥感图像的精准识别需求。
技术关键词
遥感图像识别方法
量子神经网络
深度学习模型
量子态
特征提取网络
CNOT门
遥感图像数据
遥感图像识别技术
旋转角
编码
计算机程序产品
分类网络
经典计算机
量子计算机
层级
处理器
参数
模块
系统为您推荐了相关专利信息
电梯运行数据
电梯故障识别
事故识别方法
智能图像传感器
智能图像识别
新能源场站
微气象监测装置
天气风险评估
功率预测方法
气象预报数据
数据特征选择方法
矩阵
神经网络架构
深度学习模型
数值
爬虫识别方法
深度学习模型
分布式系统架构
机器可读程序
网络流量数据
异常流量检测
宽度学习系统
梯度提升模型
网络边缘设备
网络流量数据