基于多尺度残差量子神经网络的自监督训练方法及设备

本申请公开了基于多尺度残差量子神经网络的自监督训练方法及设备。该基于多尺度残差量子神经网络的自监督训练方法包括：根据预设的多个旋转角度对原始输入图像进行的旋转处理，生成旋转图像集，并将旋转角度作为自监督标签的步骤；构建包括用于特征提取的量子卷积核、用于融合不同尺度特征的特征融合模块以及用于连接输入与输出的残差连接模块的多尺度残差量子神经网络的步骤；利用旋转图像集对多尺度残差量子神经网络进行训练，通过最小化自监督损失函数来优化网络参数的步骤；以及根据训练后的网络参数，生成用于下游图像任务的上游模型。根据本申请实施例，可以通过量子卷积核在加速计算的同时，提取更加丰富的特征信息。