代码说明：

• 1，在yolov5的检测基础上，加上关键点回归分支，请先下载yolov5的工程：https://github.com/ultralytics/yolov5
• 2，detect_one.py是单张图片的测试代码，　基于部分wideface训练的模型，稍后在百度云公开。

主要修改代码部分：

• (1)hyp.scatch.yaml中增加关键点loss的超参数（landmark: 0.5）
• (2)yolo.py中增加了关键点回归的计算
• (3)face_datasets.py为人脸数据的读取方式，准备数据的格式参考yolov5的格式，在后面增加关键点的坐标（归一化）
• (4)　loss.py中增加关键点回归的loss计算
• (5) 链接: https://pan.baidu.com/s/1zjPIF2NZ9CGtB2iUCox6hw 密码: j83n
• (6) 效果图 :

关于口罩人脸的问题：

• 1，增加口罩人脸这个类别，建议不要直接在检测分支中增加类别。
• 2，应该在关键点分支额外增加一个属性分支，接一个二分类，判断有没有戴口罩。
• 3，这样可以减少口罩人脸的误检问题

关于关键点的问题：

• 1，建议可以替换成wingloss训练，可以优化关键点的精准度。
• 2，可以解决关键点的离群点问题
• 3，wideface之中有不少特别小的人脸，如果不处理会对精度有一定的影响。