cv_manual_face-detection_tinymog - 昇腾 NPU 适配

1. 模型简介

TinyMog 轻量级人脸检测模型，基于 MobileNetV1 骨干网络 + PAFPN 颈部网络 + SCRFD 头部网络。

原始模型: iic/cv_manual_face-detection_tinymog
框架: PyTorch
任务: 人脸检测（WIDER FACE）

2. 昇腾 NPU 适配结果

指标	值
余弦相似度	0.999990
平均延迟	4.48 ms
推理精度	float16
设备	Ascend 910B4

3. 快速使用

export ASCEND_HOME_PATH=/usr/local/Ascend/cann
export LD_LIBRARY_PATH=/usr/local/Ascend/cann/lib64:$LD_LIBRARY_PATH
python inference.py --device npu:0 --dtype float16

4. 推理输出证据

模型: iic/cv_manual_face-detection_tinymog
设备: npu:0
精度: float16
------------------------------------------------------------
  input: shape=torch.Size([1, 3, 640, 640])
  output: shape=torch.Size([1, 252000])

  Cosine Similarity: 0.999990

✓ 推理完成
  平均延迟: 4.48 ms

5. CPU 与 NPU 精度对比

指标	CPU (float32)	NPU (float16)	误差
余弦相似度	基准	0.999990	< 0.002%
输出维度	[1,252000]	[1,252000]	一致

6. 智能体技能

本适配由 batch-adapter 自动完成。

cv_manual_face-detection_tinymog - 昇腾 NPU 适配

1. 模型简介

TinyMog 轻量级人脸检测模型，基于 MobileNetV1 骨干网络 + PAFPN 颈部网络 + SCRFD 头部网络。

原始模型: iic/cv_manual_face-detection_tinymog
框架: PyTorch
任务: 人脸检测（WIDER FACE）

2. 昇腾 NPU 适配结果

指标	值
余弦相似度	0.999990
平均延迟	4.48 ms
推理精度	float16
设备	Ascend 910B4

3. 快速使用

export ASCEND_HOME_PATH=/usr/local/Ascend/cann
export LD_LIBRARY_PATH=/usr/local/Ascend/cann/lib64:$LD_LIBRARY_PATH
python inference.py --device npu:0 --dtype float16

4. 推理输出证据

模型: iic/cv_manual_face-detection_tinymog
设备: npu:0
精度: float16
------------------------------------------------------------
  input: shape=torch.Size([1, 3, 640, 640])
  output: shape=torch.Size([1, 252000])

  Cosine Similarity: 0.999990

✓ 推理完成
  平均延迟: 4.48 ms

5. CPU 与 NPU 精度对比

指标	CPU (float32)	NPU (float16)	误差
余弦相似度	基准	0.999990	< 0.002%
输出维度	[1,252000]	[1,252000]	一致

6. 智能体技能

本适配由 batch-adapter 自动完成。