cv_hrnetocr_skychange - Ascend NPU 适配

1. 模型简介

HRNet+OCR 天空变化检测模型，基于 HRNet 骨干网络和 OCR（Object-Contextual Representations）模块，用于天空区域分割。该模型是天空替换 pipeline 的核心组件，能够准确识别图像中的天空区域。

• 原始模型: damo/cv_hrnetocr_skychange
• 框架: PyTorch
• 任务: 天空区域分割 (Sky Segmentation)

2. 昇腾 NPU 适配结果

3. 环境要求

4. 快速使用

# 设置环境
source setup_env.sh

# 运行推理 (CPU vs NPU 对比)
python3 inference.py --device npu:0

5. 推理输出证据

NPU 推理输出（float32, sky mask 对比）:

模型: damo/cv_hrnetocr_skychange
设备: npu:0
------------------------------------------------------------
  Input shape: torch.Size([1, 3, 904, 1600])
[CPU] 加载模型...
[CPU] 推理中...
  CPU mask shape: torch.Size([1, 1, 320, 320])
[NPU] 加载模型到 npu:0...
[NPU] 推理中...
  NPU mask shape: torch.Size([1, 1, 320, 320])

  Cosine Similarity: 1.000005
  MaxAbsErr: 0.002669
  Relative Error: 0.2783%

✓ 推理完成

[Perf] 测延迟...
  平均延迟: 28.24 ms
  峰值显存: 0.68 GB

6. CPU vs NPU 精度对比

7. 模型结构

• Backbone: HRNet (High-Resolution Network)
• Head: OCR (Object-Contextual Representations)
• 输入: RGB 图像 (预处理后 640x640)
• 输出: 天空分割 mask (320x320, 2类概率)
• Coarse 模型: HRNet+OCR 天空分割
• Refine 模型: UNet 细化 (NPU 不兼容 max_unpool2d, 已跳过)

8. 验证报告

详见 screenshots/verification.txt。

9. Agent Skill

本适配由 Ascend NPU 适配 Agent Skill 自动完成。