Advertisement

在ZYNQ7100上的Yolov3-Tiny FPGA实现及全面验证

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
本研究详细介绍了在ZYNQ7100平台上对YOLOv3-Tiny模型进行FPGA实现的过程，并对其进行全面验证。 基于Yolov3Tiny的FPGA逻辑实现，在ZYNQ7100上完全验证，采用纯RTL资源，具备可移植性、可验证性和仿真能力。如有需要，请通过咸鱼账号“廿九猫猫”私信联系我，收到后会第一时间回复。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 在ZYNQ7100上的Yolov3-Tiny FPGA实现及全面验证
    优质
    本研究详细介绍了在ZYNQ7100平台上对YOLOv3-Tiny模型进行FPGA实现的过程，并对其进行全面验证。 基于Yolov3Tiny的FPGA逻辑实现，在ZYNQ7100上完全验证，采用纯RTL资源，具备可移植性、可验证性和仿真能力。如有需要，请通过咸鱼账号“廿九猫猫”私信联系我，收到后会第一时间回复。
     
  • TensorFlow-YOLOv4-TFLite: YOLOv4, YOLOv4-tiny, YOLOv3, 和 YOLOv3-tiny 在 T...
    优质
    简介：此项目实现YOLOv4、YOLOv4-tiny、YOLOv3及YOLOv3-tiny模型在TensorFlow框架下的转换至TFLite格式，适用于移动设备与嵌入式系统。 TensorFlow-YOLOv4-TFLite 是在 Tensorflow 2.0 中实现的 YOLO v4 和 YOLO v4-tiny 版本。该项目可以将YOLO v4、YOLO v3以及YOLO tiny 的.weights 文件转换为.pb、.tflite和trt格式，以便生成 TensorFlow、TensorFlow Lite 和 TensorRT。 性能演示版 # 将darknet权重转换成tensorflow ## YOLOv4 python save_model.py --weights ./data/yolov4.weights --output ./checkpoints/yolov4-416 --input_size 416 --model yolov4 ## YOLOv4-tiny python save_model.py --weights ./data/
     
  • NorFlash在FPGA上的验证
    优质
    本简介探讨了NorFlash在FPGA平台上的验证方法和技术，涵盖了测试环境搭建、接口协议解析及常见问题解决策略。 在FPGA上进行Norflash的工作验证，通过擦除、写入和读取操作来进行测试。
     
  • YoloV3、YoloV3-Tiny、YoloV4及YoloV-Tiny预训练模型下载
    优质
    本资源提供YOLOv3和YOLOv3-Tiny、YOLOv4及其Tiny版本的预训练模型免费下载，适用于快速部署目标检测任务。 yolov3-tiny预训练模型、yolov3预训练模型、yolov4 预训练模型以及 yolov4-tiny预训练模型全部打包在一个压缩文件中。
     
  • yolov3-tiny-onnx.zip
    优质
    YOLOv3-Tiny-ONNX 是一个轻量级的对象检测模型，基于YOLOv3架构简化版，已转换为ONNX格式，适用于资源受限环境中的实时目标检测任务。 关于yolov3-tiny的cfg文件、yolov3的weights权重文件以及使用cfg和weights转换好的onnx模型的相关资源，在文章完成后会通过百度云链接的形式提供，具体链接会在文章中给出。
     
  • 在ZYNQ上实现Tiny YOLO v3的实现.zip
    优质
    本资源为《在ZYNQ上实现Tiny YOLO v3的实现》，包含基于Xilinx ZYNQ平台的轻量级目标检测模型Tiny YOLOv3的设计与优化，适用于嵌入式视觉应用开发。 在 ZYNQ 上实现 Tiny YOLO v3 是一个专注于 FPGA 实现的项目。YOLOv3-tiny 的 FPGA 实现实现了可扩展且参数化延迟驱动的设计，特别针对资源有限的 FPGA 设备进行了优化。该项目包括对模型硬件和软件延迟、DSP 和 BRAM 利用率进行分析，并探索设计空间以确定 Zedboard 上帕累托最优设计点。 我们的工作已发表于 ARC2020 会议论文集中： Yu, Zhewen 和 Bouganis, Christos-Savvas. 用于 YOLOv3-Tiny 的可参数化 FPGA 定制架构. 应用可重构计算。架构、工具和应用程序。ARC 2020。计算机科学讲义，第 12083 卷，2020 年，第 330-344 页, Springer, Cham.
     
  • YOLOV3-Tiny模型训练、量化及在海思芯片上的部署
    优质
    本项目聚焦于YOLOv3-Tiny模型，在确保高效率的同时优化其目标检测性能。通过量化技术处理后，该模型成功移植至海思系列芯片，并进行详细测试与验证。 本课程详细讲解Yolov3 Tiny算法模型的训练、量化、仿真以及在海思开发板上的部署。主要内容包括： 1. 课程介绍。 2. Darknet框架代码下载及其编译。 3. 基于无人零售商品数据集训练yolov3 tiny： a）无人零售数据集介绍 b）配置文件data和cfg的介绍及修改 c）模型训练与较优模型的选择 4. yolov3 tiny darknet模型转换为caffe model。 5. wk模型生成及其仿真验证： a) 3519av100 sdk010提供 b) 模型量化 c) 仿真代码讲解及运行 6. 仿真检测结果框偏移现象及其纠正。 7. 量化模型在板载上的运行。
     
  • YOLOV3-Tiny模型的训练、量化及在海思芯片上的部署
    优质
    本项目介绍如何对YOLOV3-Tiny模型进行训练，并通过量化技术优化其性能，最终实现在海思系列芯片上的高效部署。 本课程详细讲解Yolov3 Tiny算法模型的训练、量化、仿真以及在海思开发板上的部署。主要内容包括： 1. 课程介绍。 2. Darknet框架代码下载及其编译。 3. 基于无人零售商品数据集训练YOLOv3 Tiny： a）无人零售数据集介绍 b）配置文件data和cfg的介绍及修改 c）模型训练与较优模型的选择 4. YOLOv3 Tiny Darknet模型转换为Caffe Model。 5. WK模型生成及其仿真验证： a）使用3519av100 SDK 010提供的工具 b）对模型进行量化处理 c）讲解并运行仿真的代码 6. 解决仿真检测结果框偏移的现象及纠正方法。 7. 将量化的模型在板上部署和运行。
     
  • yolov3-tiny-conv-15
    优质
    YOLOv3-Tiny-Conv-15是一种轻量级目标检测模型，基于YOLOv3架构简化而来，通过减少网络层数至仅保留15层卷积层，实现资源消耗最小化同时保持较好的实时检测性能。 ./darknet partial cfg/yolov3-tiny.cfg yolov3-tiny.weights yolov3-tiny.conv.15 15 这段文字描述了一个命令行操作，用于使用Darknet框架将预训练的YOLOv3 Tiny模型权重文件拆分成两个部分。具体来说，该指令会生成一个包含前15层参数的新权重文件yolov3-tiny.conv.15。
     
  • YOLOv3-Torch2TRT：将YOLOv3及YOLOv3-tiny(PyTorch版)转为TensorRT模型
    优质
    简介：本文介绍如何使用YOLOv3-Torch2TRT工具，便捷地将基于PyTorch的YOLOv3及其简化版（tiny）模型转换成高性能的TensorRT格式，以实现更快的推理速度。 YOLOv3-Torch2TRT介绍通过torch2trt Python API将YOLOv3和YOLOv3-tiny（PyTorch版本）转换为TensorRT模型。首先，安装克隆仓库： ``` git clone https://github.com/DocF/YOLOv3-Torch2TRT.git ``` 下载预先训练的权重： ```bash cd weights/ bash download_weights.sh ``` 需要两个特殊的Python包：张量火炬2trt。由于YOLO中的升采样操作，根据torch2trt API介绍，您需安装特定版本并使用插件。 检查torch2trt API: ```python python3 check.py ``` 推理加速技术： - FP16 TensorRT 以下是TITAN xp的一些结果： 型号名称 输入尺寸 FPS（FP16 整个模式） 重写后的文本去除了所有链接和联系方式，保留了原始内容的完整性。