Update README.md

README.md

@@ -16,10 +16,16 @@ YOLOv5是一种基于深度学习的目标检测算法，它的模型结构主
 更具体地说，YOLOv5的backbone采用CSPDarknet53网络结构，其中CSP表示Cross Stage Partial Network，它可以有效地减少参数量和计算量。neck采用FPN+PAN的结构，其中FPN表示Feature Pyramid Network，PAN表示Path Aggregation Network，它们可以将不同层次的特征进行融合。head采用YOLOv3中的anchor-based检测头，并在此基础上加入了SPP结构和SAM结构，以提高检测精度。loss采用GIOU Loss作为bounding box的损失，并使用二进制交叉熵和Logits损失函数计算类概率和目标得分的损失。
 
 ## 3.数据集
-
+**一**
 使用COCO2017数据集，COCO2017数据集是一个用于目标检测、分割、关键点检测和图像描述的数据集，由微软公司制作收集。该数据集包含超过33万张图像，其中大约20万张图像用于训练，6万张图像用于验证，7万张图像用于测试。COCO2017数据集中的物体类别共有80个，包括人、动物、交通工具、家具等。
-
 COCO2017数据集中的每个物体都有一个矩形边界框和一个类别标签，同时还有一些物体的关键点标注和图像描述信息。COCO2017数据集的标注格式采用JSON文件存储，其中包含了每个物体的位置、类别、关键点等信息。
+**二**
+1.数据集名称：深度学习人脸口罩数据集
+2.数据量：两个数据集，一个1600张图片，一个7056张图片
+3.标注框种类：face（人脸）、face_mask（戴口罩）、共两类
+4.标签格式：均为voc格式
+5.收集来源：主要为网络收集
+6.备注：自己做项目用过的两个人脸-口罩数据集，质量都很高
 
 ## 4.训练