(Objetivo)

Los sistemas de vigilancia han surgido como elementos cruciales para mantener la paz y la seguridad en el mundo moderno: su ubicuidad ayuda a monitorear actividades sospechosas de manera eficaz. Sin embargo, en entornos densamente poblados, el monitoreo activo continuo se vuelve poco práctico, lo que obliga al desarrollo de sistemas de vigilancia inteligentes. La integración de IA en la vigilancia fue una gran revolución; sin embargo, los problemas de velocidad han impedido su implementación generalizada. No obstante, la inteligencia artificial cuántica ha llevado a un avance significativo. Se ha demostrado que los sistemas de vigilancia basados en inteligencia artificial cuántica son más precisos y capaces de funcionar bien en escenarios en tiempo real nunca vistos.

(Metodología)

Esta investigación integra un modelo RetinaNet con Quantum CNN, denominándolo Quantum-RetinaNet. Al aprovechar las capacidades cuánticas del QCNN, Quantum-RetinaNet logra un equilibrio entre precisión y velocidad. Esta innovadora integración lo posiciona como un elemento innovador, que aborda los desafíos del monitoreo activo en escenarios densamente poblados. A medida que crece la demanda de soluciones de vigilancia eficientes, Quantum-RetinaNet ofrece una alternativa convincente a los modelos CNN existentes, manteniendo los estándares de precisión sin sacrificar el rendimiento en tiempo real.

(Resultados)

Los atributos únicos de Quantum-RetinaNet tienen implicaciones de largo alcance para el futuro de la vigilancia inteligente. Su velocidad de procesamiento mejorada está lista para revolucionar el campo, con lo cual se satisface la necesidad apremiante de un monitoreo rápido pero preciso.

(Conclusiones)

A medida que Quantum-RetinaNet se convierte en el nuevo estándar, garantiza la seguridad pública al tiempo que amplía los límites de la IA en la vigilancia.

        · abstract in English | Portuguese     · text in English     · English ( pdf )