人脸检测和行人检测2：YOLOv5实现人脸检测和行人检测(含数据集和训练代码)

1. 前言

2. 人脸检测和行人检测数据集说明

（1）人脸检测和行人检测数据集

（2）自定义数据集

3. 基于YOLOv5的人脸检测和行人检测模型训练

（1）YOLOv5安装

（2）准备Train和Test数据

（3）配置数据文件

（4）配置模型文件

（5）重新聚类Anchor（可选）

（6）开始训练

（7）可视化训练过程

（8）常见的错误

4. Python版本人脸检测和行人检测效果

5. Android版本人脸检测和行人检测效果

6.项目源码下载

1. 前言

这是项目《人脸检测和行人检测2》系列之《YOLOv5实现人脸检测和行人检测2(含数据集和训练代码)》；项目基于开源YOLOv5项目，实现一个高精度的人脸检测和行人检测算法（ Face and Person Detection or Pedestrian Detection），可实现同时检测人脸框和行人(人体)框。

目前，基于YOLOv5s的人脸检测和行人检测精度平均值mAP_0.5=0.98484，mAP_0.5:0.95=0.82777。为了能部署在手机Android平台上，本人对YOLOv5s进行了简单的模型轻量化，并开发了一个轻量级的版本yolov5s05_416和yolov5s05_320模型；轻量化模型在普通Android手机上可以达到实时的检测效果，CPU(4线程)约30ms左右，GPU约25ms左右，基本满足业务的性能需求。下表格给出轻量化模型的计算量和参数量以及其检测精度

模型	input-size	params(M)	GFLOPs	mAP_0.5	mAP_0.5:0.95
yolov5s	640×640	7.2	16.5	0.98484	0.82777
yolov5s05	416×416	1.7	1.8	0.96116	0.72136
yolov5s05	320×320	1.7	1.1	0.94404	0.67121

先展示一下人脸检测和行人检测效果：

Android人脸检测和行人检测APP Demo体验：https://download.csdn.net/download/guyuealian/87732863

【尊重原创，转载请注明出处】https://blog.csdn.net/guyuealian/article/details/130179987

更多项目《人脸检测和行人检测》系列文章请参考：

人脸检测和行人检测1：人脸检测和人体检测数据集(含下载链接):https://blog.csdn.net/guyuealian/article/details/128821763
行人检测(人体检测)2：YOLOv5实现人体检测(含人体检测数据集和训练代码)：https://blog.csdn.net/guyuealian/article/details/128954588
行人检测(人体检测)3：Android实现人体检测(含源码，可实时人体检测)：https://blog.csdn.net/guyuealian/article/details/128954615
行人检测(人体检测)4：C++实现人体检测(含源码，可实时人体检测)：https://blog.csdn.net/guyuealian/article/details/128954638
人脸检测和行人检测2：YOLOv5实现人脸检测和行人检测(含数据集和训练代码)：https://blog.csdn.net/guyuealian/article/details/130179987
人脸检测和行人检测3：Android实现人脸检测和行人检测(含源码，可实时检测)：https://blog.csdn.net/guyuealian/article/details/130180240
人脸检测和行人检测4：C++实现人脸检测和行人检测(含源码，可实时检测)：https://blog.csdn.net/guyuealian/article/details/130180269

如果需要进行人像分割，实现一键抠图效果，请参考文章：《一键抠图Portrait Matting人像抠图 (C++和Android源码)》

2. 人脸检测和行人检测数据集说明

（1）人脸检测和行人检测数据集

目前收集了约10W+的人体（行人）检测数据集，数据集主要来源于VOC，COCO和MPII的人体数据集，关于人体数据集说明，请参考《人脸检测和人体检测(行人检测)1：人脸检测和人体检测数据集(含下载链接)》：https://blog.csdn.net/guyuealian/article/details/128821763

（2）自定义数据集

如果需要增/删类别数据进行训练，或者需要自定数据集进行训练，可参考如下步骤：

采集图片，建议不少于200张图片

使用Labelme等标注工具，对目标进行拉框标注：labelme工具：GitHub - wkentaro/labelme: Image Polygonal Annotation with Python (polygon, rectangle, circle, line, point and image-level flag annotation).

将标注格式转换为VOC数据格式，参考工具：labelme/labelme2voc.py at main · wkentaro/labelme · GitHub

生成训练集train.txt和验证集val.txt文件列表

修改engine/configs/voc_local.yaml的train和val的数据路径

重新开始训练

3. 基于YOLOv5的人脸检测和行人检测模型训练

（1）YOLOv5安装

训练Pipeline采用YOLOv5: GitHub - ultralytics/yolov5: YOLOv5