针对边缘端设备在资源受限条件下部署深度学习目标检测算法的需求,文章提出了一种基于PYNQ(python productivity for zynq)框架的轻量化实时目标检测技术,开展YOLOv5n目标检测算法研究及适应FPGA部署的模型优化,完成PYNQ环境下的软硬件...针对边缘端设备在资源受限条件下部署深度学习目标检测算法的需求,文章提出了一种基于PYNQ(python productivity for zynq)框架的轻量化实时目标检测技术,开展YOLOv5n目标检测算法研究及适应FPGA部署的模型优化,完成PYNQ环境下的软硬件协同设计,并在ZCU104开发板上完成了系统验证。结果表明,所提技术能够实现轻量化深度学习目标检测算法的快速部署与验证,具有良好的检测精度与实时性,能效比达到10.5帧/(s·W),在低成本实时目标检测领域具有较高的应用价值。展开更多
文摘针对边缘端设备在资源受限条件下部署深度学习目标检测算法的需求,文章提出了一种基于PYNQ(python productivity for zynq)框架的轻量化实时目标检测技术,开展YOLOv5n目标检测算法研究及适应FPGA部署的模型优化,完成PYNQ环境下的软硬件协同设计,并在ZCU104开发板上完成了系统验证。结果表明,所提技术能够实现轻量化深度学习目标检测算法的快速部署与验证,具有良好的检测精度与实时性,能效比达到10.5帧/(s·W),在低成本实时目标检测领域具有较高的应用价值。
