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。