diff --git a/README.md b/README.md index 609c389..4d48cb9 100644 --- a/README.md +++ b/README.md @@ -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: