Li

@carlosxlll 只需要下周widerface数据集，再按照你自己的文件保存路径在data/convert.py与data/voc_label.py中进行修改即可~


1.我明白您们现在中的backbone是跟yolo5face是不同的。我以意思是您这边有打算在轻量级网络上进行一些训练与性能对比吗？ 2.关于锚框的生成，若需要生成的候选锚框更多，那么不就在一定程度上增加了整体流程了吗？ 对于下方我的图片，我是想表达，您这个算法在文章中给的配置前提下是可行的，有效的。但是，当我自己修改为轻量级网络，如yolov5n中的网络配置时，添加上您在文章中提出的MultiSEAM模块后，发现前50个epoch，仅能得到不太明显的性能，或许是我的参数配置有问题~~，希望您这边有机会可以提供更多轻量级网络相关的参数配置。 谢谢~~ 以下附基于yolov5n初步得到的结果。 

> >  > > 您好，请问能分享下您这个yolov5n的配置文件吗？我这边也尝试了下，直接从yolov5代码中直接复制yolov5n的配置文件做替换，跑训练提示报错，说的是bn层bacthsize为1报错了 您好，我仅是简单修改了下，没有进行后续细节优化，配置文件如下~： `# parameters nc: 1 # number of classes depth_multiple: 1.0 # model depth multiple width_multiple: 1.0 # layer channel multiple # anchors anchors:...

> 您这是yolol的配置。我们的yolo-facev2是在YOLOv5 v5.0的基础上改进的，backbone不一样导致了下采样可能不一样，所以你要保证在运行到MultiSEAM的时候能够有足够大的feat size能进行MultiSEAM的下采样。针对这个问题解决方案，您是可以尝试debug一下去定位在哪块代码有问题，您可以先把断点打在forward_once那里看一下是否是因为feat size大小的问题。 好嘞，我之前仅做了初步尝试，后续没有再进行细节修改，完了我再看看细节，谢谢~

> 还是希望你们团队给出自己在其它backbone上的一些配置文件，相比我们肯定了解更深入~