《表4 性能测试对比：面向嵌入式的卷积神经网络硬件加速器设计》
提示：宽带有限、当前游客访问压缩模式
本文还分别与使用RISC-V处理器（E203)[23]、Cortex M4与Matlab模拟执行卷积运算的时间进行对比。性能测试对比如表4。
| 图表编号 | XD00201561900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.02.15 |
| 作者 | 唐蕊、焦继业、徐华昊 |
| 绘制单位 | 西安邮电大学计算机学院、西安邮电大学计算机学院、西安邮电大学计算机学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 测试结果数据统计：基于YOLOV2卷积神经网络的双目视觉系统设计》2020.10.01
- 《表3 FPGA加速效果：基于FPGA的卷积神经网络定点加速》2020.10.10
- 《表1 测试指标和结果：基于深度卷积神经网络的数字病理辅助诊断系统设计》2020.12.15
- 《表1 土层物理力学性质：面向嵌入式的卷积神经网络图像分类算法》2020.10.20
- 《表3 结果准确性对比：面向嵌入式的卷积神经网络硬件加速器设计》2021.02.15
- 《表1 测试结果性能对比：基于多尺度卷积神经网络的短期电力负荷预测》2020.11.01
- 《表4 资源利用率对比：二值VGG卷积神经网络加速器优化设计》2021.02.06
- 《表2 PE阵列配置：二值VGG卷积神经网络加速器优化设计》2021.02.06
- 《表3 运算周期：二值VGG卷积神经网络加速器优化设计》2021.02.06
- 《表4 模型性能指标对比：图像分类卷积神经网络的进化设计》2020.05.15
- 《表2 乘累加器性能参数：一种面向卷积神经网络加速器的高性能乘累加器》2020.08.20
- 《表3:FPGA硬件实现：一种支持稀疏卷积的深度神经网络加速器的设计》2020.02.15
- 《表3 卷积映射实例表：一种高性能可重构深度卷积神经网络加速器》2019.06.20
- 《表2 芯片性能参数：一种高性能可重构深度卷积神经网络加速器》2019.06.20
- 《表3 两个卷积层卷积器尺寸不同参数下的卷积神经网络性能对比》2019.06.16
- 《表4 CCNet性能：CCNet:面向多光谱图像的高速船只检测级联卷积神经网络（英文）》2019.06.01
- 《表4 车辆检测性能对比：基于卷积神经网络的多目标实时检测》2019.04.16
- 《表1 实验数据集：面向SAR目标分类的卷积神经网络算法研究》2018.07.15
- 《表3 算法对比：面向SAR目标分类的卷积神经网络算法研究》2018.07.15
- 《表1 运算单元功能验证：基于卷积神经网络加速运算单元设计》2019.12.16