cv_resnet50_face-detection_retinaface on Ascend NPU

1. 简介

本文档记录 RetinaFace ResNet50 人脸检测模型在昇腾 NPU (Ascend 910B3) 上的迁移适配与精度验证结果。

RetinaFace 是基于 ResNet50+FPN 骨干网络的单阶段人脸检测器，通过多任务学习同时预测人脸边界框、置信度和关键点。本适配使用模型的 net（RetinaFace 主干网络）直接在 NPU 上推理，图像预处理（均值减除）在 CPU 完成。

相关获取地址：

• 权重下载地址（ModelScope）：https://modelscope.cn/models/damo/cv_resnet50_face-detection_retinaface

2. 验证环境

• NPU：Ascend 910B3，单卡推理
• 模型大小：约 27.3M 参数

3. 推理启动

pip install torch==2.8.0 torch_npu==2.8.0.post4 torchvision modelscope opencv-python-headless numpy

python inference.py --image face.jpg --device npu

4. Smoke 验证

• CPU 推理输出 (16800, 4) 检测框，正常
• NPU 推理输出同形状，正常

5. 性能参考

6. 精度评测

7. 注意事项

1. 使用 detector.net 获取 RetinaFace 主干网络，绕过 detector.forward 中的 img -= (104,117,123) 广播问题（NPU 不支持 tuple 广播）
2. 图像预处理（BGR→RGB、resize 640×640、均值减除）在 CPU 完成后再送入 NPU
3. 完整人脸检测流水线需后处理（NMS、置信度过滤）在 CPU 执行