Genius-Society/HEp2 on Ascend NPU

1. 简介

本项目将 Genius-Society/HEp2 模型适配到昇腾 NPU (Ascend910B) 上运行。

• 模型架构: torchvision AlexNet ( modified )
• 任务类型: HEp-2 细胞图像分类（医学图像分类）
• 类别数: 6
• 类别: Centromere, Golgi, Homogeneous, NuMem, Nucleolar, Speckled
• 输入尺寸: 224 x 224 RGB（原图为 78x78 灰度，经预处理后适配）
• 框架: PyTorch + torchvision
• 权重来源: ModelScope snapshot_download 本地加载

2. 验证环境

NPU 健康状态: OK

3. 推理运行

pip install -r requirements.txt
python inference.py

推理结果 (NPU Top-5):

• Top-1: Speckled (0.995100)
• Top-2: Centromere (0.004899)
• Top-3: Homogeneous (0.000001)
• Top-4: Nucleolar (0.000000)
• Top-5: Golgi (0.000000)

完整推理日志 (logs/inference.log):

=== Genius-Society/HEp2 NPU Inference ===
Model: Genius-Society/HEp2
Loader type: torchvision
Input shape: torch.Size([1, 3, 224, 224])
Output shape: torch.Size([1, 6])
Num classes: 6

NPU Top-5 Predictions:
  Top-1: Speckled (0.995100)
  Top-2: Centromere (0.004899)
  Top-3: Homogeneous (0.000001)
  Top-4: Nucleolar (0.000000)
  Top-5: Golgi (0.000000)

All class probabilities:
  Centromere: 0.004899
  Golgi: 0.000000
  Homogeneous: 0.000001
  NuMem: 0.000000
  Nucleolar: 0.000000
  Speckled: 0.995100

4. 精度验证

对单张测试图片进行 CPU 与 NPU 一致性验证：

• CPU Top-1: Speckled
• NPU Top-1: Speckled
• Top-1 match: True

5. 性能参考

测试配置: warmup 2 次 + 正式 10 次，单卡 NPU。

6. 精度评测说明

本项目包含单图 smoke consistency 验证，非官方完整验证集评测。详细指标见第 4 节。

7. 自验证截图

见 screenshots/self_verification.png。

8. 日志文件

9. 注意事项

1. 权重通过 ModelScope snapshot_download 下载，不提交到仓库。
2. 测试图片为模型示例图片（Centromere.png），实际性能可能因输入不同而略有差异。
3. 原模型在标准 AlexNet 分类器基础上增加了一层全连接（1000 -> 6），用于 HEp-2 细胞图像的 6 类分类。

10. 标签

#NPU #Ascend #Ascend910 #AlexNet #ImageClassification #MedicalImaging #HEp2