人脸关键点检测项目说明
本项目的实现主要依靠两个算法：yolov5目标检测和resnet人脸关键点算法。
其中目标检测算法为人脸关键点检测算法的前置算法，使用目标检测算法将人脸信息进行提取(起到前景与背景的分离)，然后再对box内的人脸信息进行关键点检测。
本项目支持功能：
人脸关键点的训练：√
人脸关键点的视频检测：√
注：本项目为人脸关键点检测，人脸目标检测训练部分没有在本项目中。
环境说明
torch>=1.5 tqdm>=4.62.2
数据集
人脸关键点数据集采用的是WFLW数据集
本项目的人脸标签为98个关键点信息，标注信息如下图所示：
数据集的详细介绍可参考：Look at Boundary: A Boundary-Aware Face Alignment Algorithm
@inproceedings{wayne2018lab,
author = {Wu, Wayne and Qian, Chen and Yang, Shuo and Wang, Quan and Cai, Yici and Zhou, Qiang},
title = {Look at Boundary: A Boundary-Aware Face Alignment Algorithm},
booktitle = {CVPR},
month = June,
year = {2018}
}
数据集百度云：
链接：人脸关键点数据集 提取码：yypn
将下载的数据集放在datasets文件中，目录形式如下：
datasets/
|-- WFLW_annotations # 存放标签信息
`-- WFLW_images # 存放图像
项目使用方法
下载代码：
GitHub - YINYIPENG-EN/yolov5_face_landmark: 采用yolov5和resnet实现的人脸关键点检测
本项目提供已训练的权重，下载权重并保存到weights。百度云权重链接：
链接：权重链接 提取码：yypn
模型训练
根目录下运行命令： python train.py (注意脚本内相关参数配置 )
视频检测
根目录下运行命令： python predict.py (注意脚本内相关参数配置 )
该部分为有偿提供
例如：
python predict.py --source demo.mp4 --yolo_weight weights/yolov5_face.pt --face_weight weights/resnet_50-epoch-724.pth效果展示如下：
