跳到正文
arXiv · 机器人与计算机视觉· Ronak Bhalgami, Deep Kothadiya, Nikita Bhatt·· 9 天前AI 评分18

Compact Quantum Channel Attention for Static ASL Recognition:参数匹配基线下的受控研究

Compact Quantum Channel Attention for Static ASL Recognition: A Controlled Study with Parameter-Matched Baselines

AI 导读

QCA-DenseNet 采用八量子比特变分电路作为通道注意力门,在 DenseNet121 特征上实现静态美国手语识别。该模型在保留 17,464 个参数的情况下,于 1,815 张 MU HandImages 图像测试中达到 94.50% 准确率,优于 SE 块基线且无显著量子优势。研究证实紧凑注意力门未带来精度损失,但亦未发现量子优越性。

来源:arXiv · 机器人与计算机视觉 · arxiv.org