Un algorithme quantique pour l. a. segmentation de cibles mobiles dans les vidéos en niveaux de gris

Les algorithmes de imaginative and prescient par ordinateur sont devenus de plus en plus avancés au cours des dernières décennies, permettant le développement de ways sophistiquées pour surveiller des environnements spécifiques, détecter des objets d’intérêt dans des séquences vidéo et détecter des activités suspectes dans des enregistrements de vidéosurveillance. Certains de ces algorithmes sont spécifiquement conçus pour détecter et isoler des objets en mouvement ou des personnes d’intérêt dans une vidéo, une tâche connue sous le nom de segmentation de sujets en mouvement.

Bien que certains algorithmes traditionnels de déclenchement de l. a. segmentation cible aient obtenu des résultats prometteurs, l. a. plupart fonctionnent mal en temps réel (c’est-à-dire lors de l’analyse de clips vidéo qui n’ont pas été enregistrés auparavant mais qui sont capturés au second présent). C’est pourquoi certaines équipes de recherche tentent de résoudre ce problème en utilisant d’autres sorts d’algorithmes, tels que les algorithmes dits quantiques.

Des chercheurs de l’Université des sciences et applied sciences de l’knowledge de Nanjing et de l’Université du Sud-Est de Chine ont récemment développé un nouvel algorithme quantique pour segmenter les cibles mobiles dans les vidéos en niveaux de gris. Cet algorithme, publié dans Applied sciences quantiques avancéesIl a été démontré que , surpassait les méthodes classiques sur les tâches impliquant l’analyse de séquences vidéo en temps réel.

“Nos travaux précédents étaient consacrés aux algorithmes de segmentation d’pictures quantiques, et nous avons publié de nombreux articles, mais ils concernaient tous des cibles statiques”, a déclaré Wenjie Liu, l’un des chercheurs qui ont mené l’étude, à Tech Xplore. “Nous nous sommes demandés si nous pouvions segmenter les cibles mobiles et étendre l’utility de l’symbol à l. a. vidéo. Nous avons examiné les recherches liées à l. a. vidéo quantique et avons constaté que les recherches dans ce domaine sont rares.”

L’algorithme développé par Liu et ses collègues utilise des processus de mécanique quantique pour segmenter des cibles se déplaçant rapidement dans des vidéos en niveaux de gris. Cette personne ou cet objet segmenté peut ensuite être identifié comme cible et surveillé à l’aide de méthodes informatiques supplémentaires.

«Tout d’abord, nous stockons l. a. vidéo classique en niveaux de gris dans certains qubits, laissons les positions des pictures et des pixels dans une superposition et laissons les valeurs en niveaux de gris des pixels s’enchevêtrer avec elles pour obtenir l. a. vidéo quantique. Cinquième_Okaydit Léo. “Ensuite, l. a. vidéo est déplacée dans un mouvement circulaire pour obtenir deux nouvelles vidéos supplémentaires, Cinquième_Okay-1 Et Cinquième_Okay+1, où les positions des pictures avant et arrière sont décalées d’une unité, respectivement, par rapport à l. a. vidéo originale. Ces trois vidéos partagent des qubits localisés. Les deux vidéos nouvellement acquises sont ensuite autorisées à effectuer une soustraction de valeur absolue avec l. a. vidéo originale, par ex. B_Okay-1=|Cinquième_Okay–Cinquième_Okay-1|,B_Okay+1=|Cinquième_Okay–Cinquième_Okay+1|. Puis B_Okay-1 Et B_Okay+1 Et binarisé pour obtenir B_Okay-1 Et B_Okay+1. B_Okay-1 Et B_Okay+1 Ils sont additionnés pour obtenir le résultat ultimate, puis des mesures sont effectuées pour restaurer l. a. vidéo classique.

Pour permettre à leur algorithme de différencier les valeurs de seuil et les valeurs d’échelle de gris, Liu et ses collègues ont incorporé un comparateur de quantile qui nécessite moins de puissance de calcul. En outre, l’équipe a conçu plusieurs modules de circuits quantiques utilisant moins de qubits et de portes quantiques.

“Le circuit quantique complet a été assemblé sur l. a. base de ces modules”, a déclaré Liu. “Par rapport à son homologue classique, nous avons obtenu une accélération exponentielle et l. a. complexité de l’algorithme est également supérieure aux algorithmes quantiques existants. Les positions des pixels dans l’symbol sont stockées dans des qubits dans l’état de superposition, puis les niveaux de gris- les qubits de valeur des informations sont intriqués avec les qubits des informations de localisation de sorte que l’symbol ou l. a. vidéo soit dans l’état de superposition, et l’opération arithmétique sur le pixel de l’symbol (ou de l. a. vidéo) dans l’état de superposition est équivalente à l’opération arithmétique sur l’symbol entière (ou l. a. vidéo entière), afin que l. a. complexité informatique puisse être considérablement réduite.

Liu et ses collègues ont évalué leur algorithme dans une série de exams, comparant ses performances à celles d’un algorithme classique de segmentation de cibles mobiles. Leur algorithme s’est avéré beaucoup plus rapide que les modèles classiques, tout en conservant l. a. même précision.

“L. a. complexité de l’algorithme a considérablement diminué par rapport à son homologue classique”, a déclaré Liu. “De plus, nous avons conçu un comparateur quantique contenant moins de portes quantiques et de qubits, qui peut être utilisé dans toute tâche nécessitant une comparaison de valeurs et peut réduire efficacement l. a. complexité de l’algorithme.”

À l’avenir, l’algorithme créé par cette équipe de chercheurs pourrait être développé davantage et testé sur des prises de vue plus réelles. Parallèlement, ces travaux pourraient inspirer le développement de nouveaux algorithmes quantiques hautes performances pour d’autres programs avancées de imaginative and prescient par ordinateur.

“Actuellement, nos recherches se concentrent sur l. a. manière de traiter plus simplement les pictures dans le domaine spatial à l’aide de circuits quantiques, et l’effet peut être encore amélioré”, a ajouté Liu. “À l’avenir, pour obtenir de meilleurs résultats de traitement, nous étendrons nos recherches au traitement d’pictures utilisant des réseaux de neurones quantiques. De plus, l. a. technologie quantique actuelle ne peut pas permettre l’utilisation de qubits à grande échelle à court docket terme, donc l’hybride classique-quantique Le réseau neuronal est également une choice. “Mieux.”

© 2023 Réseau ScienceX