《表2 检测速度对比:一种机器人视觉追踪系统研究》
由python改写的YOLO V3在树莓派主板上运行,一帧512í512í3的图片至少需要花费2 s,这样不满足实时性要求。使用NCS2对神经网络模型进行加速。将训练好的网络模型通过驱动加载到加速棒中,进行检测的时候,将图片数据传入加速棒,加速棒返回D个张量,在主板系统进行处理即可。这样不仅降低了检测时间,而且减轻了CPU的压力。本研究设计CPU提供逻辑运算,NCS2提供神经网络运算,二者分工有序。经过加速,可以将检测速度提高到到每帧0.5 s。表2说明了使用NCS2前后在检测速度上的差异。
图表编号 | XD00139182600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.01 |
作者 | 康欣昕、王轩、杨晋、曹喜信 |
绘制单位 | 北京大学软件与微电子学院、北京大学软件与微电子学院、北京大学软件与微电子学院、北京大学软件与微电子学院 |
更多格式 | 高清、无水印(增值服务) |