cv_tinynas_head-detection_damoyolo - 昇腾 NPU 适配

1. 模型简介

TinyNAS DAMO-YOLO 是一个轻量级目标检测模型，专用于头部检测任务。采用 TinyNAS 搜索的骨干网络、GiraffeNeckV2 FPN 和 ZeroHead 架构。

• 原始模型: iic/cv_tinynas_head-detection_damoyolo
• 框架: PyTorch
• 任务: 特定领域目标检测（头部检测）

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, 640x640 输入）:

模型: iic/cv_tinynas_head-detection_damoyolo
设备: npu:0
------------------------------------------------------------
[CPU] 加载模型...
[CPU] 推理中...
  CPU output shape: torch.Size([1, 8400, 5])
[NPU] 加载模型到 npu:0...
[NPU] 推理中...
  NPU output shape: torch.Size([1, 8400, 5])

  Cosine Similarity: 1.000000
  MaxAbsErr: 0.198364

✓ 推理完成

[Perf] 加载模型测延迟...
  平均延迟: 11.86 ms
  峰值显存: 0.21 GB

6. CPU 与 NPU 精度对比

7. 模型结构

• 骨干网络（Backbone）: TinyNAS（基于 NAS 搜索的轻量级骨干网络）
• 颈部网络（Neck）: GiraffeNeckV2 FPN
• 检测头（Head）: ZeroHead（基于 GFL 的检测头）
• 输入: 640x640 RGB 图像
• 输出: [1, 8400, 5] — 8400 个候选框（x, y, w, h, score）

8. 验证报告

详见 screenshots/verification.txt。

9. 智能体技能（Agent Skill）

本适配由 Ascend NPU 适配智能体技能（Agent Skill）自动完成。