一、数据

1）数据准备

1、手动创建文件夹: yolov5-face-master/data/widerface/train 和 yolov5-face-master/data/widerface/val
2、下载的WIDER_train里的images/ 和 标注文件retinaface_gt_v1.1/train/ 里的label.txt 放在 yolov5-face-master/datasets/train/下 (val验证集同理)
3、执行

cd data/
python3 train2yolo.py ./datasets/train ./data/widerface/train
python3 val2yolo.py ./datasets/val ./data/widerface/val

执行train2yolo.py后的data目录：

2）标注文件说明

示例：
label文件： yolov5-face-master/data/widerface/train/0_Parade_Parade_0_1040.txt

0 0.51904296875 0.23813229571984434 0.0732421875 0.08560311284046693 0.5035009765625 0.2264350194552529 0.5433701171875 0.22805058365758757 0.5264765625 0.2425898832684825 0.5035009765625 0.26035953307392995 0.5406669921875 0.2625136186770428

每行15个元素：
labels[1:5]：检测框bbox。
labels[5:] ：5个关键点坐标(x,y)的归一化形式。（依次为左眼、右眼、鼻子、嘴角左、嘴角右。
（归一化是x/w0,y/h0 ,

注：这儿原图尺寸写成w0,h0 是参考utils/face_datasets.py/LoadFaceImagesAndLabels 类的 __getitem__函数。 其中的w0、h0为原图尺寸， w,h为resize的尺寸。

二、基于yolov5-face 修改自己的yolov5加关键点回归

需要修改的文件：dataloader.py、augmentations.py、loss.py、yolo.py 以及自己的inference脚本。

1、dataloader,py

2、augmentations.py

3、loss.py

4、yolo.py