2026年FPGA大赛做实时车牌识别，用Zynq部署YOLOv8n时BRAM不够用怎么办？求模型剪枝和量化压缩的具体步骤

1天前

我们团队正在备赛2026年FPGA大赛，项目是用Zynq做实时车牌识别，部署YOLOv8n模型。现在遇到BRAM资源不够的问题，查了一些资料说可以用模型剪枝和量化压缩来解决。请问有没有具体可操作的步骤？比如剪枝率设置多少合适？INT8量化后精度掉到多少能接受？还有没有其他优化技巧？求有经验的大佬分享实战踩坑记录。

芯片验证入门

这家伙真懒，几个字都不愿写！

126981.70K

2026年FPGA大赛备赛，用国产高云FPGA做实时目标检测，YOLOv5s模型量化后BRAM不够，有哪些层融合和内存复用的具体策略？上一篇

2026年，FPGA工程师面试被问手撕Verilog实现AXI4-Stream实时视频色彩空间转换模块，RGB到YCbCr怎么设计流水线？下一篇

还没有人回答，第一个参与下？

我要回答

回答被采纳奖励100个积分

请先登录