yolov3-tiny移植到zynq020概述

最新推荐文章于 2024-06-05 21:05:51 发布
最新推荐文章于 2024-06-05 21:05:51 发布
阅读量4.8k 收藏 43
点赞数 7
分类专栏： FPGA2嵌入式
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/go1314a/article/details/119459391
版权

“ yolov3-tiny移植zynq020概述。”

01

yolov3-tiny模型

       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（其中C是训练时的类别）：

02

模型pytorch处理

       yolo模型需要经过训练（检测多少个类别）和int8量化（暂时未使用剪枝、压缩处理），然后生成权重等参数，再测试量化后的检测精度（基本和官网量化前的精度相差不大ÿ

最低0.47元/天 解锁文章
FPGA2嵌入式
关注
  • 7
    点赞
  • 踩
  • 43
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
专栏目录
yolov3-tiny神经网络FPGA（ZYNQ7020）实现
QQ_778132974的博客
01-10 1万+
本文介绍使用ZYNQ实现yolov3-tiny，下图为ZYNQ上ARM与FPGA交互框图： 通过HLS将设计得每层网络进行封装IP核，在vivado进行调用：下图为the convolution, accumulation, max pooling, upsample and yolo blocks之间得连接。 下图为vivado上设计block框图： 下图对其中一个模块yolo_acc模块得仿真图： 本文有完整工程代码及仿真测试代码！ ...
基于zynq7000的SDSOC的yolo人脸识别（环境篇）
ZZ2588的博客
12-16 3839
系列文章目录 提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加 例如：第一章 Python 机器学习入门之pandas的使用 提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录 系列文章目录 前言 一、pandas是什么？ 二、使用步骤 1.引入库 2.读入数据 总结 前言 提示：这里可以添加本文要记录的大概内容： 一、SDSOC简介以及其与zynq的关系 二、环境的搭建 三、SD卡的分盘 四、启动SDSOC 五.
基于小型Zynq_SoC硬件加速_省略_Y_YOLO实时车辆检测算法实现_张雲轲1
08-04
引言实时车辆检测算法主要分为三类: 基于先验知识的车辆检测算法［1 － 2］、基于浅层机器的学习车辆检测算法以及基于深度学习的车辆检测算法基于先验知识的检测算法
FPGA实现基于YOLO的轻量化CNN加速器，在zynq7020平台上验证通过，具备物品检测和特定识别功能
hAimLBvYftm的博客
05-03 705
在本文中，我们基于FPGA实现了一种类YOLO的轻量化CNN加速器，旨在提高物体检测和特定识别的效率。总结起来，我们基于FPGA实现了一种类YOLO的轻量化CNN加速器，通过在zynq7020平台上的验证，证明了其在物体检测和特定识别任务上的优越性能。未来，我们将进一步优化算法和硬件架构，提高加速器的性能，并将其应用到更多实际场景中，为物体检测和特定识别领域的发展做出贡献。通过在zynq7020平台上的验证，我们发现我们的FPGA实现的轻量化CNN加速器在物体检测和特定识别任务上表现出色。
【38字】基于FPGA的类YOLO轻量化CNN加速器：在zynq7020平台上实现物品检测和特定识别的验证及架构 【48字】基于FPGA实现类YOLO的轻量化CNN加速器：zynq7020平台验证物品
最新发布
yBPoPnWNi的博客
06-05 286
在本文中，我们基于FPGA实现了一种类YOLO的轻量化CNN加速器，旨在提高物体检测和特定识别的效率。总结起来，我们基于FPGA实现了一种类YOLO的轻量化CNN加速器，通过在zynq7020平台上的验证，证明了其在物体检测和特定识别任务上的优越性能。未来，我们将进一步优化算法和硬件架构，提高加速器的性能，并将其应用到更多实际场景中，为物体检测和特定识别领域的发展做出贡献。通过在zynq7020平台上的验证，我们发现我们的FPGA实现的轻量化CNN加速器在物体检测和特定识别任务上表现出色。
【ZYNQ7020_实现yoloV3】加法器的实现
vskjrv的博客
02-08 546
问题：这里已经是使用unroll将其展开了，但是还是需要26个时钟周期，原因是没有考虑到硬件问题。通过分析发现，一个时钟周期最多读两个数据，这里是因为双端口ram最多一次读两个。从资源可以看出，0个周期就可以实现，完全使用组合逻辑电路，但是资源消耗特别大。使用部分展开，2个为一个组，可以看到，时钟直接比1.0缩小了一半。所以，UNROLL要配合数据展开方法才能更好的优化。关键:RAM最多是双端口，支持两个数据的同时读写。
Yolov4部署到ZYNQ系列3-模型转换、量化和编译
weixin_41029027的博客
10-02 2344
Yolov4部署到ZYNQ上的模型格式转换、量化和编译
ZYNQ实现yolov3-tiny算法，有各个模块实现的工程及全套代码。
04-11
ZYNQ实现yolov3-tiny算法，有各个模块实现的工程及全套代码，包括下面几个部分yolo_acc,yolo_conv,yolo_max_pool,yolo_upsamp,yolo_yolo这几个模块。
Yolov4部署到ZYNQ系列2-重新训练darknet框架下的Yolov4
weixin_41029027的博客
10-02 1980
根据ZYNQ上实际部署的情况，重新调整了Yolov4的网络结构。
基于小型Zynq SoC硬件加速的改进TINY YOLO实时车辆检测算法实现
05-13
针对TINY YOLO车辆检测算法计算量过大,且在小型嵌入式系统中难以达到实时检测要求的问题。利用小型Zynq SoC系统的架构优势以及TINY YOLO的网络权值中存在大量接近零的权值参数这一特点,提出硬件并行加速的改进算法,称为浓缩小型深度网络(Xerantic-TINY YOLO,X-TINY YOLO)车辆检测算
yolov3-tiny.conv.15
07-13
《YOLOv3-Tiny与PyTorch：深入理解目标检测模型权重文件》 YOLO（You Only Look Once）是一种高效的目标检测算法，以其实时性、准确性和易用性而备受推崇。在YOLO系列中，YOLOv3是其最新版本，而YOLOv3-Tiny则是该...
开源项目-用yolov3实现了轻量级人脸检测.zip
05-19
加入关键点的darknet训练框架，使用yolov3实现了轻量级的人脸检测。借鉴AlexeyAB大神的 darknet 做适量修改。 使用scripts/retinaface2yololandmark.py脚本将retinaface的标记文件转为yolo的格式使用 其他编译训练都和原版darknet相同使用yolo_landmark.py进行测试，更换里面的模型配置文件即可。
tiny-yolov3-master_yolov3_
10-03
CSDN-tiny YOLO v3做缺陷检测实战。九月份用tiny-yolo v3做了一个缺陷检测的实验，效果出乎意料，准确率和召回率“满分”！
yolov3-tiny.conv.15.rar
04-26
在这个场景中，我们关注的是预训练模型"yolov3-tiny.conv.15"，它被压缩在名为"yolov3-tiny.conv.15.rar"的文件中，并且包含两个子文件：yolov3-tiny.conv.11和yolov3-tiny.conv.15。 YOLOv3是对原始YOLOv1和YOLOv2...
yolov7-tiny.weights和yolov7-tiny.conv.87预训练模型文件下载
08-06
3. **平衡精度与速度**：尽管模型小巧，但YOLOv7-Tiny仍能保持相当高的目标检测精度，为实时应用提供了可能。 在使用这些预训练模型时，开发者可以将其加载到Darknet框架中，进行目标检测任务。对于新的应用场景，...
yolov3 yolov3-tiny yolov4 yolov-tiny预训练模型下载
09-22
本压缩包包含了YOLO系列的四个预训练模型：YOLOv3、YOLOv3-tiny、YOLOv4以及YOLOv4-tiny。这些模型都是经过大量数据训练得到的，可以直接用于物体检测任务，大大减少了用户自己训练模型的时间和计算资源。 首先，...
yolov3-tiny.weights.tar.gz
05-09
YOLOv3-Tiny在深度学习领域，特别是目标检测（Object Detection）方面，是一个非常重要的模型。这个模型是YOLO（You Only Look Once）系列的轻量级版本，旨在实现快速而准确的目标检测。YOLOv3是由Joseph Redmon、...
Yolov4部署到ZYNQ系列4-网络地址调整和部署
weixin_41029027的博客
10-02 1961
Yolov4部署到ZYNQ系列4-网络地址调整
Yolov4部署到ZYNQ系列1-USB转UART驱动不在COM和LPT显示问题的解决方案
weixin_41029027的博客
09-04 1819
USB转UART驱动不在COM和LPT显示问题的解决方案，Zynq Ultrascale+ MPSoC连接UART转USB接口到win10笔记本时出现的问题。
yolov3-tiny移植树莓派
07-28
移植yolov3-tiny模型到树莓派的过程可以分为以下几个步骤： 1. 在树莓派上部署OpenVINO。这是一个用于优化和部署深度学习模型的工具套件。你需要在树莓派上安装OpenVINO，并配置好相关环境。 2. 下载预训练的权重文件。对于yolov3-tiny模型，你可以从官方网站下载yolov3-tiny.conv.15权重文件。 3. 使用命令将权重文件转换为.pb格式。你需要使用convert_weights_pb.py脚本，并指定相关参数，如权重文件路径、类名文件路径等。 4. 使用Model Optimizer将.pb文件转换为OpenVINO支持的IR格式。你需要使用mo_tf.py脚本，并指定相关参数，如输入模型路径、转换配置文件路径等。 5. 运行模型推理。你可以使用object_detection_demo脚本，并指定相关参数，如IR模型路径、设备类型、输入图像等。 以上是移植yolov3-tiny模型到树莓派的基本步骤。你可以参考引用\[1\]中提供的命令和引用\[2\]中提供的权重文件下载链接来进行操作。请注意，具体的操作步骤可能会因环境和需求而有所不同，你需要根据自己的情况进行相应的调整。 #### 引用[.reference_title] - *1* *3* [树莓派4B+因特尔二代神经棒（NCS2）部署yolov3-tiny错误记录](https://blog.csdn.net/weixin_44010937/article/details/125355595)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [使用YOLOV3-tiny训练行人检测器并移植到树莓派4B上实现](https://blog.csdn.net/weixin_43878078/article/details/106355710)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值