配置：ubuntu20，pytorch1.7.1，GTX1660Ti

1、anaconda、yolov5下载、环境、数据处理、数据标注等：

        yolov5 URL：2、数据集：CASIA-FaceV5

        如果想自己打标的话，可以下官网的或我的百度网盘里的。如果不想自己打标，可以用我打标后的，数据存储位置已经过处理，打标工具labelimg，打的没有数据标注员的好，不过我自己检测的时候效果也不错。

官网:BIT

我的百度网盘：链接: https://pan.baidu.com/s/1dXbGO5KceMFISaf2lc-0yw 提取码: 8jyg
–来自百度网盘超级会员v5的分享

本人打标后的：链接: https://pan.baidu.com/s/1bZzX7jchBln7NYx7H-26XQ 提取码: sv2v
–来自百度网盘超级会员v5的分享

数据集存储位置：

train:2000张图片

val:500张图片

test:没放图片。

按流出法可以自己按6:2:2即1500：500：500存放。

yolov5-master
            └─ CASIA-FaceV5
                          ├─ images
                          │       ├─ train
                          │       ├─ val
                          │       └─ test
                          └─ labels
                                  ├─ train
                                  ├─ val
                                  ├─ test

3、创建数据集及模型配置文件：

        1、在yolov5-master/data下创建***.yaml文件（***自己起名)，内容如下：

train: ***/yolov5-master/CASIA-FaceV5/images/train
val: ***/yolov5-master/CASIA-FaceV5/images/val
nc: 1
names: ["face"]

***：请填写自己的路径

nc：1 是因为要识别的只有人脸

names：["face"] 如果自己打的标请填写自己的标注名称，如果用的我打标的数据请不要修改。

        2、在yolov5-master/models下创建***.yaml文件（可以自己直接复制旁边的yolov5s.yaml,我选择的这个模型，如有需要，可改为其他模型)，只修改nc: 1即可，不要改其他的！

4、模型训练（迁移学习）：

请于终端进入yolov5-master文件夹下进行操作

python train.py --data data/***.yaml --cfg models/***.yaml --weights pretrained/yolov5s.pt --epoch 5 --batch-size 16 --device cuda:0

训练完后，终端会显示训练后的参数保存在哪里

5、模型验证：

python val.py --data ./data/***.yaml --weights ./runs/train/exp4/weights/best.pt --batch-size 8 --device cuda:0

 6、模型测试：

我没有建立测试集来进行测试，而是采用摄像头实时检测我自己。（按q退出）

python detect.py --weights runs/train/exp4/weights/best.pt --source 0

 7、应用：

# 摄像头实时检测
python detect.py --weights runs/train/exp4/weights/best.pt --source 0
# 图片、视频（source 后面路径+文件名）
python detect.py --weights runs/train/exp4/weights/best.pt --source path/name
# 网络视频（字符串式的URL）
python detect.py --weights runs/train/exp4/weights/best.pt --source "***"