yolov5修改网络结构

在引用中提到了一些与yolov5超参数相关的内容，包括在hyp.scratch.yaml中增加了关键点loss的超参数（landmark: 0.5），在yolo.py中增加了关键点回归的计算，以及在face_datasets.py中为人脸数据的读取方式准备了数据的格式参考yolov5的格式，并在后面增加了关键点的坐标（归一化）。

此外，引用提到了args参数，这是模块参数，包括channel，kernel_size，stride，padding，bias等。

引用中给出了yolov5的网络结构，其中包括各个层的超参数，如卷积层的通道数、卷积核大小、步长等，以及上采样层的方式和参数。

综上所述，yolov5的超参数包括关键点loss的超参数、关键点回归计算的参数、数据读取格式以及网络结构中各层的参数。<span class="em">1</span><span class="em">2</span><span class="em">3</span><span class="em">4</span>