《表2 模型量化结果对比：基于ZYNQ平台的YOLOv3压缩和加速》
提示：宽带有限、当前游客访问压缩模式
模型量化在Darknet-53上分别实现了不同的量化方法，并以表1中通道剪枝+残差链剪枝85%为基准进行验证，实验结果如表2所示。
| 图表编号 | XD00201807800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.03.10 |
| 作者 | 郭文旭、苏远歧、刘跃虎 |
| 绘制单位 | 西安交通大学电子与信息学部、西安交通大学电子与信息学部、西安交通大学人工智能学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 硬件加速对比分析：基于ZYNQ的车载目标检测系统设计与实现》2020.07.31
- 《表5 各节点性能对比：基于ZYNQ集群的神经形态计算加速研究与实现》2020.11.01
- 《表2 分类变量卡方检验：基于随机森林模型的P2P网贷平台违约风险量化评价研究》2021.02.01
- 《表1 模型裁剪结果对比：基于ZYNQ平台的YOLOv3压缩和加速》2021.03.10
- 《表4 模型检测结果：基于改进YOLOv3的站口行人检测方法》2021.01.01
- 《表2 算法加速对比：基于大数据的变压器油色谱分析可视化诊断平台设计》2020.05.15
- 《表4 各阶段训练结果图：基于MobileNet与YOLOv3的轻量化卷积神经网络设计》2020.07.10
- 《表2 二维随机胞元模型与实验压缩平台应力和致密应变》2020.08.01
- 《表2 网络性能指标对比：基于轻量化YOLOv3卷积神经网络的苹果检测方法》2020.08.25
- 《表3 网络模型权重对比：基于轻量化YOLOv3卷积神经网络的苹果检测方法》2020.08.25
- 《表1 网络检测时间对比：基于轻量化YOLOv3卷积神经网络的苹果检测方法》2020.08.25
- 《表2 YOLOv3-C和YOLOv3-Cs模型性能对比》2020.03.01
- 《表1 ZYNQ平台测试结果》2020.03.15
- 《表2 实验结果对比：基于ZYNQ的机载图形产生平台设计与研究》2020.03.01
- 《表1 实验环境：基于ZYNQ的机载图形产生平台设计与研究》2020.03.01
- 《表2 FPGA资源耗费：基于Zynq7000 FPGA异构平台的YOLOv2加速器设计与实现》2019.10.01
- 《表5 与CPU的比较：基于Zynq7000 FPGA异构平台的YOLOv2加速器设计与实现》2019.10.01
- 《表1 资源耗费比较：基于Zynq7000 FPGA异构平台的YOLOv2加速器设计与实现》2019.10.01
- 《表3 实验项目及结果：基于双ZYNQ平台的可信架构研究与实现》2019.07.16
- 《表3 实验项目及结果：基于双ZYNQ平台的可信架构研究与实现》2019.07.16