joca. cn基于ZYNQ平台的YOLOv3压缩和加速郭文旭1 ,苏远歧 1* ,刘跃虎 2(1. 西安交通大学 电子与信息学部,西安 710049; 2. 西安交通大学 人工智能学院,西安 710049)(∗ 通信作者电子邮箱yuanqisu@mail. xjtu. edu. cn)摘要:高精度物体检测网络急剧增加的参数和计算量使得它们很难在车辆和无人机等端侧设备...
编译YOLO:确保你的编译环境配置正确,然后编译YOLO模型。 bash make 3. 将YOLO模型部署到Zynq平台上 为了将YOLO模型部署到Zynq平台上,你需要将模型文件(如权重和配置文件)以及必要的推理代码移植到Zynq设备上。这通常涉及以下几个步骤: 准备模型文件:将训练好的YOLO权重文件(如yolov3.weights)和配置文件(如yolov3....
YOLOv3tiny-zynq7000 a Real-time image recognition project with RTL accelerator and ZYNQ Architecture 简介 本项目实现了一个实时目标检测系统,采用纯FPGA的RTL逻辑实现yolov3tiny的神经网络加速器,并利用zynq构建了图像采集及显示回路。 本项目的加速器参考了项目https://github.com/adamgallas/fpga_accelerator_yol...
【yolov3-tiny移植到zynq020概述】yolo是目前目标检测落地到硬件中比较常用的AI模型,因为yolo标准版模型参数和计算量太大,所以目前暂时在zynq020上移植的是tiny版本,这里选用yolov3-tiny来移植,输入模型的图像源320x320@15Hz,模型各层如下O网页链接 ...
在目录 Compile_Tools/下启动以分析网络参数文件:netron float/yolov3_voc.pb 进入Vitis-AI Docker,输入如下命令激活Anaconda的tensorflow环境。注意,下面在Vitis-AI开发流程中,带有符号 vitis-ai-docker:$的命令都是在该环境中完成的。 vitis-ai-docker:$ conda activate vitis-ai-tensorflow ...
ZYNQ平台高精度物体检测网络急剧增加的参数和计算量使得它们很难在车辆和无人机等端侧设备上直接部署使用.针对这一问题,从网络压缩和计算加速两方面入手,提出了一种面向残差网络的新型压缩方案来实现YOLOv3的压缩,并通过ZYNQ平台对这一压缩后的网络进行加速.首先,提出了包括网络裁剪和网络量化两方面的网络压缩算法.网络...
fpgazynqverilognvdlayolox-nano UpdatedDec 27, 2023 Verilog embedeep/Free-TPU Star253 Free TPU for FPGA with compiler supporting Pytorch/Caffe/Darknet/NCNN. An AI processor for using Xilinx FPGA to solve image classification, detection, and segmentation problem. ...
xbip_dsp48_multadd_v3_0_1-Ldiv_gen_v5_1_9-Llib_cdc_v1_0_2-Lproc_sys_reset_v5_0_8-L generic_baseblocks_v2_1_0 -L axi_infrastructure_v1_1_0 -L axi_register_slice_v2_1_7 -L fifo_generator_v13_0_1 -L axi_data_fifo_v2_1_6 -L axi_crossbar_v2_1_8 -L ...
服务 统计 搜索 Fork (1) Theve/Tiny_YOLO_v3_ZYNQ 1年多 前 支付提示 将跳转至支付宝完成支付 确定 取消 捐赠 捐赠前请先登录 取消 前往登录 登录提示 该操作需登录 Gitee 帐号,请先登录后再操作。 立即登录 没有帐号,去注册 1 https://gitee.com/wjc_caoker/Tiny_YOLO_v3_ZYNQ.git ...
硬件平台为XILINX ZYNQ 7020板卡,双目摄像头采集水果图像并通过以太网口将视频数据传输至上位机;上位机使用改进后的MobileV3-YOLOv3算法对图像进行识别。结果显示,硬件平台能够传送实时视频数据至上位机,且经过预处理IP核处理后的图像有明显的优化,改进后的算法AP50达到92%,FPS为34 f/s,模型参数量为235.61M,并回传...