ultralytics yolo 训练及推理自定义人脸关键点数据 - python 实现 ultralytics yolo 训练自定义人脸关键点训练和验证数据集 数据集格式：yolo 训练集数量：3295 验证集数量：120 类别：人脸，1类 类别号：0 关键点：5个，包括左眼，右眼，鼻尖，左嘴唇边界点，右嘴唇边界点。

yolov5s模型,ultralytics版本可用

yolov3-spp训练后的权重文件yolov3-spp-ultralytics.pt，可当作预训练权重，也可以当作检测权重

ultralytics / yolov5，官方预训练权重yolov5s.pt，从drive.google下载下来的

yolov3-spp-ultralytics.pt是官方给出的测试模型与yolov3-spp3.cfg配合可进行推理测试；同时也可作为预训练模型

github上的YOLOV5更新较快，只有配合yaml配置文件的weight才能使用。文件中的权重和配置文件为20200706的，亲测可用。 YOLOv5速度比前代更快，在运行Tesla P100的YOLOv5 Colab笔记本中，每个图像的推理时间快至0.007秒，意味着每秒140帧（FPS）！ YOLOv5体积小，YOLOv5 s的权重文件为27MB。YOLOv4（Darknet架构）的权重文件为244MB。YOLOv5比YOLOv4小近90％。这意味着YOLOv5可以更轻松地部署到嵌入式设备。 此外，因为YOLOv5是在PyTorch中实现的，所以它受益于已建立的PyTorch生态系统；

yolov3-spp-ultralytics-512.pt预训练模型

ultralytics / yolov5，官方预训练权重yolov5x.pt，从drive.google下载下来的