Benefiting from Quantum? A Comparative Study of Q-Seg, Quantum-Inspired Techniques, and U-Net for Crack Segmentation

要約

古典的なアプリケーションと現実世界のアプリケーションを強化するための量子ハードウェアの可能性を探ることは、継続的な課題です。
この研究では、量子および量子にインスピレーションを得た方法のパフォーマンスを、亀裂セグメンテーションの古典的なモデルと比較して評価します。
具体的なサンプルの注釈付きグレースケール画像パッチを使用して、古典的な平均ガウス混合手法、量子にヒントを得たフェルミオンベースの手法、量子アニーリングベースの手法である Q-Seg、および U-Net 深層学習アーキテクチャのベンチマークを行います。
私たちの結果は、量子にインスピレーションを得た量子手法が、特に複雑な亀裂パターンに対する画像セグメンテーションの有望な代替手段を提供し、近い将来のアプリケーションに適用できる可能性があることを示しています。

要約(オリジナル)

Exploring the potential of quantum hardware for enhancing classical and real-world applications is an ongoing challenge. This study evaluates the performance of quantum and quantum-inspired methods compared to classical models for crack segmentation. Using annotated gray-scale image patches of concrete samples, we benchmark a classical mean Gaussian mixture technique, a quantum-inspired fermion-based method, Q-Seg a quantum annealing-based method, and a U-Net deep learning architecture. Our results indicate that quantum-inspired and quantum methods offer a promising alternative for image segmentation, particularly for complex crack patterns, and could be applied in near-future applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google