QuobileNet:基于MobileNetV2的混合量子经典对象检测器

上传者: 42127020 | 上传时间: 2024-03-07 13:43:54 | 文件大小: 1.11MB | 文件类型: ZIP
QuobileNet 正在进行中的基于MobileNetV2的混合量子经典对象检测器。 当前,它修改了一个简单的自制CNN模型,该模型的经典版本使用数据集中的和9在3类分类问题上达到了99.60%的准确性。 我们用一个量子当量替换了4个卷积层之一:“量子卷积”层。 有关如何运行的更多信息和说明,请参见下文。 介绍 该项目旨在创建流行的物体检测网络的混合模型。 的主要重点是与 (以及可能 )的特征提取主链。 目标是引入量子层并测量各种性能统计数据,例如平均平均精度(mAP)和达到可比的损耗值所需的历元数。 重点关注的主要层是卷积层。 通过对人中引入的原始量子层模型进行修改 和在PennyLane上找到的,构建了一个定制的量子卷积层,该层将任何内核大小和输出层深度作为参数,自动确定所需的正确量子位数,并使用量子输出适当的特征图电路为基础。 当前的计划是用定制的量子卷积层代替Retina

文件下载

资源详情

[{"title":"( 22 个子文件 1.11MB ) QuobileNet:基于MobileNetV2的混合量子经典对象检测器","children":[{"title":"QuobileNet-main","children":[{"title":"networks","children":[{"title":"backbones","children":[{"title":"SimpleNet.py <span style='color:#111;'> 1.20KB </span>","children":null,"spread":false},{"title":"QuanvNet.py <span style='color:#111;'> 1.25KB </span>","children":null,"spread":false},{"title":"__init__.py <span style='color:#111;'> 0B </span>","children":null,"spread":false},{"title":"custom_layers","children":[{"title":"QuanvLayer.py <span style='color:#111;'> 3.35KB </span>","children":null,"spread":false},{"title":"remote_cirq","children":[{"title":"base_simulator.py <span style='color:#111;'> 12.08KB </span>","children":null,"spread":false},{"title":"__init__.py <span style='color:#111;'> 46B </span>","children":null,"spread":false},{"title":"schemas.py <span style='color:#111;'> 5.31KB </span>","children":null,"spread":false},{"title":"remote_simulator.py <span style='color:#111;'> 609B </span>","children":null,"spread":false}],"spread":true}],"spread":true},{"title":"mobilenetv2.py <span style='color:#111;'> 2.85KB </span>","children":null,"spread":false},{"title":"quobilenet.py <span style='color:#111;'> 2.96KB </span>","children":null,"spread":false}],"spread":true}],"spread":true},{"title":"main.py <span style='color:#111;'> 5.01KB </span>","children":null,"spread":false},{"title":"tools","children":[{"title":"eval_stats_plot.py <span style='color:#111;'> 1.48KB </span>","children":null,"spread":false},{"title":"eval_stats","children":[{"title":"log_validation_classic.csv <span style='color:#111;'> 1.38KB </span>","children":null,"spread":false},{"title":"log_validation_quantum_depth_2.csv <span style='color:#111;'> 544B </span>","children":null,"spread":false},{"title":"log_validation_quantum_depth_1.csv <span style='color:#111;'> 1.06KB </span>","children":null,"spread":false}],"spread":true}],"spread":true},{"title":"png","children":[{"title":"old_layer","children":[{"title":"validation_acc.png <span style='color:#111;'> 331.84KB </span>","children":null,"spread":false},{"title":"validation_loss.png <span style='color:#111;'> 262.65KB </span>","children":null,"spread":false}],"spread":true},{"title":"new_layer","children":[{"title":"validation_acc.png <span style='color:#111;'> 414.13KB </span>","children":null,"spread":false},{"title":"validation_loss.png <span style='color:#111;'> 311.07KB </span>","children":null,"spread":false}],"spread":true}],"spread":true},{"title":"requirements.txt <span style='color:#111;'> 106B </span>","children":null,"spread":false},{"title":".gitignore <span style='color:#111;'> 1.78KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 3.75KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明