本例程对[Retinaface]的模型和算法进行移植，使之能在SOPHON BM1684和BM1684X上进行推理测试。
论文: Retinaface论文 RetinaFace: Single-stage Dense Face Localisation in the Wild，提出了一种鲁棒的single stage人脸检测器，名为RetinaFace，它利用额外监督(extra-supervised)和自监督(self-supervised)结合的多任务学习(multi-task learning)，对不同尺寸的人脸进行像素级定位。具体来说，Retinaface在以下五个方面做出了贡献：
(1) 在WILDER FACE数据集中手工标注了5个人脸关键点（Landmark），并在这个额外的监督信号的帮助下，观察到在face检测上的显著改善。
(2) 进一步添加自监督网络解码器(mesh decoder)分支，与已有的监督分支并行预测像素级的3D形状的人脸信息。
(3) 在IJB-C测试集中，RetinaFace使state-of-the-art 方法(Arcface)在人脸识别中的结果得到提升（FAR=1e6，TAR=85.59%）。
(4) 采用轻量级的backbone 网络，RetinaFace能在单个处理器上实时运行VGA分辨率的图像。
Retinaface论文 使用的数据集为WIDER FACE数据集。WIDER FACE数据集由 32,203 个图像和 393,703 个人脸边界框组成。WIDER FACE 数据集通过从61个场景类别中随机抽样分为训练 (40%)、验证 (10%) 和测试 (50%) 子集。 WIDER FACE下载地址：http://shuoyang1213.me/WIDERFACE/
您需要准备用于测试的数据集。
本例程在scripts目录下提供了相关模型和数据集的下载脚本download.sh，您也可以自己准备模型和数据集，并参考4. 模型转换进行模型转换。
chmod -R +x scripts/
./scripts/download.sh执行后，模型保存至data/models，图片数据集下载并解压至data/images/， 视频保存至data/videos/
下载的模型包括：
onnx/retinaface_mobilenet0.25.onnx: 原始模型
BM1684/retinaface_mobilenet0.25_fp32_1b.bmodel: 用于BM1684的FP32 BModel，batch_size=1
BM1684/retinaface_mobilenet0.25_fp32_4b.bmodel: 用于BM1684的FP32 BModel，batch_size=4
BM1684X/retinaface_mobilenet0.25_fp32_1b.bmodel: 用于BM1684X的FP32 BModel，batch_size=1
BM1684X/retinaface_mobilenet0.25_fp32_4b.bmodel: 用于BM1684X的FP32 BModel，batch_size=4
下载的数据包括：
WIDERVAL: 测试集
face01.jpg-face05.jpg:测试图片
station.avi: 测试视频
模型信息：
| 原始模型 | retinaface_mobilenet0.25.onnx |
|---|---|
| 概述 | 人脸检测模型 |
| 骨干网络 | mobilenet0.25 ResNet50 |
| 训练集 | WiderFace |
| 输入数据 | [batch_size, 3, 640, 640], FP32，NCHW |
| 输出数据 | [batch_size, 68, 18], FP32 |
| 前处理 | resize,减均值,除方差,HWC->CHW |
| 后处理 | filter NMS |
请注意，该onnx所用版本为1.6.0，若环境中onnx版本过高，可能会出现编译失败的现象。
模型需要编译成BModel才能在SOPHON TPU上运行，如果使用下载好的BModel可跳过本节。
模型编译前需要安装TPU-NNTC(>=3.1.0)，具体可参考tpu-nntc环境搭建。
模型编译为FP32 BModel，具体方法可参考BMNETP 使用。
本例程在scripts目录下提供了编译FP32 BModel的脚本。请注意修改gen_fp32bmodel.sh中的模型路径、生成模型目录和输入大小shapes等参数，并在执行时指定BModel运行的目标平台（支持BM1684和BM1684X），如：
./scripts/gen_fp32bmodel.sh BM1684X执行上述命令会在data/models/BM1684X/下生成retinaface_mobilenet0.25_fp32_1b.bmodel、retinaface_mobilenet0.25_fp32_4b.bmodel、文件，即转换好的FP32 BModel。