买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中南大学申请的专利基于量子网络的图像分类方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121640197B 。

龙图腾网通过国家知识产权局官网在2026-05-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610162340.7，技术领域涉及：G06V10/764；该发明授权基于量子网络的图像分类方法及系统是由石金晶;徐一平;肖子萌;敬玉梅设计研发完成，并于2026-02-05向国家知识产权局提交的专利申请。

本基于量子网络的图像分类方法及系统在说明书摘要公布了：本发明公开了一种基于量子网络的图像分类方法及系统，包括获取训练完成的量子图像分类网络和训练数据集；构建初始协处理量子分类器并训练得到协处理量子分类器；构建量子去噪自编码器并在训练数据集中增加高斯噪声得到含噪声训练数据集；将含噪声训练数据集输入到当前的量子去噪自编码器并计算差距；将量子去噪自编码器输出的图像输入到协处理量子分类器中并计算损失；采用差距和损失对构建的量子去噪自编码器进行训练得到训练后的量子去噪自编码器；将训练后的量子去噪自编码器与训练完成的量子图像分类网络进行串接得到抗噪声量子图像分类网络，并进行图像分类。本发明不仅实现了基于量子网络的图像分类，而且可靠性高，精确性好，稳定性好。

本发明授权基于量子网络的图像分类方法及系统在权利要求书中公布了：1.一种基于量子网络的图像分类方法，其特征在于包括如下步骤： S1.获取训练完成的量子图像分类网络和对应的训练数据集； S2.构建初始协处理量子分类器，并采用步骤S1获取的训练数据集对构建的初始协处理量子分类器进行训练，得到协处理量子分类器； S3.构建量子去噪自编码器，并在训练数据集中增加高斯噪声以得到含噪声训练数据集； 构建的量子去噪自编码器，处理过程包括如下步骤： 将输入的图像，采用振幅编码嵌入到网络A1中；其中，网络A1包括高效量子网络，强纠缠结构和量子卷积块； 测量网络A1的输出量子态，得到输出量子态的相位信息和各个基态测 量概率；将相位信息按照测量概率进行重新排列，并等分为4份； 将等分后的信息，采用振幅编码嵌入到中间网络B1~B4中；其中，中间网络B1~B4包括高效量子网络，强纠缠结构和量子卷积块； 测量中间网络B1~B4的输出量子态，得到输出量子态的相位信息和各个基态测量概率；将相位信息按照测量概率进行重新排列，并合并为1路信息； 将得到的信息，输入到第三网络C1中；其中，第三网络C1包括高效量子网络，强纠缠结构和量子卷积块； 测量第三网络C1的输出量子态，得到输出量子态的相位信息和各个基态测量概率；将 相位信息按照测量概率进行重新排列后，再除以，得到经典图像，并将经典图像作为量 子去噪自编码器的输出； S4.将步骤S3得到的含噪声训练数据集输入到当前的量子去噪自编码器，并计算量子去噪自编码器输出的图像与对应的未增加高斯噪声的原始图像之间的差距； S5.将步骤S4中量子去噪自编码器输出的图像输入到步骤S2得到的协处理量子分类器中，并计算协处理量子分类器输出的分类结果与未增加高斯噪声的原始图像所对应的标签之间的损失； S6.重复步骤S4~S5，采用步骤S4得到的差距和步骤S5得到的损失对构建的量子去噪自编码器进行训练，得到训练后的量子去噪自编码器； S7.将步骤S6得到的训练后的量子去噪自编码器与训练完成的量子图像分类网络进行串接，得到抗噪声量子图像分类网络，并采用得到的抗噪声量子图像分类网络进行图像分类。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。