Document test results in README

This commit is contained in:
阿白叔 committed 2026-05-19 23:25:57 +08:00
1 parent 8cd060aefe
commit c831fcff50
1 file changed
+78 -1
+78 -1
View File
@@ -45,13 +45,90 @@ pip install -r pc_training/requirements.txt
下载地址:
- [light-petal-dataset.zip](https://git.simgreek.com/attachments/4b9c7c3b-1d17-43c2-9673-d579fb5a1ea3)
- [light-petal-dataset.zip](https://git.simgreek.com/abaishu0730/light-petal-recognition/releases/download/dataset-v1/light-petal-dataset.zip)
数据划分:
- `train`: 400 张
- `val`: 100 张
## 测试结果
以下结果均来自仓库 `results/` 目录中的记录文件,测试集默认是 `data/processed/val` 的 100 张验证图像。
### PC 端 MobileNetV2
来源文件:`results/PC端推理结果报告.md`、`results/inference_results.json`
| 项目 | 数值 |
|---|---:|
| 测试样本 | 100 |
| 总体准确率 | 77.00% |
| 正确 / 总数 | 77 / 100 |
| 平均推理时间 | 11.28 ms / 图像 |
| 吞吐量 | 88.63 FPS |
分类型表现:
- `class_0`: 87.50% precision,70.00% recall
- `class_1`: 75.00% precision,90.00% recall
- `class_2`: 90.91% precision,100.00% recall
- `class_3`: 88.89% precision,80.00% recall
- `class_4`: 72.73% precision,80.00% recall
- `class_5`: 75.00% precision,60.00% recall
- `class_6`: 70.00% precision,70.00% recall
- `class_7`: 69.23% precision,90.00% recall
- `class_8`: 70.00% precision,70.00% recall
- `class_9`: 75.00% precision,60.00% recall
### HLS-QCNN 定点参考
来源文件:`results/hls_qcnn_eval.json`、`results/hls_qcnn_stable_eval.json`、`results/hls_qcnn_slim_eval.json`
| 检查点 | 测试样本 | 准确率 | 平均延迟 | 吞吐量 |
|---|---:|---:|---:|---:|
| `hls_qcnn_best.pth` | 100 | 72.00% | 8.07 ms / 图像 | 123.98 FPS |
| `hls_qcnn_stable_best.pth` | 100 | 80.00% | 11.71 ms / 图像 | 85.37 FPS |
| `hls_qcnn_slim_best.pth` | 100 | 83.00% | 10.73 ms / 图像 | 93.18 FPS |
补充说明:
- `hls_qcnn_stable_best.pth` 的稳定性门控通过,`stable_gate.passed = true`
- `hls_qcnn_slim_best.pth` 目前在这组三个候选里验证准确率最高
- 三个版本都使用同一套 10 类、每类 10 张的验证集
### PYNQ-Z2 板端结果
来源文件:`results/hls_qcnn_pynq_val100_x3/hls_qcnn_pynq_val100_x3_summary.json`、`results/hls_qcnn_pynq_val100_x3/run100_summary.txt`
| 项目 | 数值 |
|---|---:|
| 测试样本 | 100 |
| 重复次数 | 3 |
| 每次准确率 | 79.00% |
| 平均准确率 | 79.00% |
| 平均单图耗时 | 18,797.05 ms |
| 吞吐量 | 0.05 FPS |
分类型结果(3 次结果一致):
- `class_0`: 50%
- `class_1`: 90%
- `class_2`: 100%
- `class_3`: 100%
- `class_4`: 100%
- `class_5`: 100%
- `class_6`: 60%
- `class_7`: 80%
- `class_8`: 60%
- `class_9`: 50%
说明:
- 这是当前正式板端结果,使用的是 100 张验证图像的完整测试集
- 结果与定点参考一致性较好,准确率维持在 79%
- 当前实现属于偏串行的板端版本,单图延迟较高,但适合作为闭环验证基线
## 数据与模型文件
公开仓库不包含训练图片、模型权重、ONNX 文件、bitstream、Vivado/HLS 构建产物和压缩包。请按需在本地准备以下目录: