1. 在 YOLOv5 网络中添加五个人脸关键点回归，回归的损失函数用的是 Wing loss 。
2. 用 Stem 模块替代网络中原有的 Focus 模块，提高了网络的泛化能力，降低了计算复杂度，同时性能也没有下降。
3. 对 SPP 模块进行更新，使用更小的 kernel，使yolov5 更适用于人脸检测并提高了检测精度。YOLOv5 用的SPPkernel(5,9,13)，YOLO5Face 用的kernel(3,5,7)。
4. 添加一个 stride = 64 的 P6 输出块， P6 可以提高对大人脸的检测性能。（之前的人脸检测模型大多关注提高小人脸的检测性能，这里作者关注了大人脸的检测效果，提高大人脸的检测性能来提升模型整体的检测性能）。P6 的特征图大小为10×10 。
5. 发现一些目标检测的数据增广方法并不适合用在人脸检测中，包括上下翻转和 Mosaic 数据增广。
删除上下翻转可以提高模型性能。
对小人脸进行Mosaic 数据增广反而会降低模型性能，但是对中尺度和大尺度人脸进行Mosaic 可以提高性能。
随机裁剪有助于提高性能。
Original: https://blog.csdn.net/yananer/article/details/125352636
Author: yananer
Title: YOLOv5face
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/720833/
转载文章受原作者版权保护。转载请注明原作者出处！