汉字检测、字母检测、手写数字检测、藏文检测、甲骨文检测在我之前的文章中都有做过了，今天主要是因为实际项目的需要，之前的汉字检测模型较为古老了还使用的yolov3时期的模型，检测精度和推理速度都有不小的滞后了，这里要基于yolov5轻量级的模型来开发构建新版的目标检测模型，首先看下效果图：
接下来简单看下数据集情况：
YOLO格式标注文件截图如下：
实例标注内容如下所示：
17 0.245192 0.617788 0.038462 0.038462
6 0.102163 0.830529 0.045673 0.045673
16 0.894231 0.096154 0.134615 0.134615
4 0.456731 0.524038 0.134615 0.134615
15 0.367788 0.317308 0.269231 0.269231
VOC格式数据标注文件截图如下：
实例标注内容如下所示：
因为是主打轻量级网络，这里选择了也是最为轻量级的n系列的模型，最终训练得到的模型文件不足4MB大小，网络结构图如下所示：
默认100次epoch的计算，结果目录如下所示：
【混淆矩阵】
【F1值曲线】
【PR曲线】
【训练日志可视化】
【batch计算实例】
可视化界面推理样例如下：
从评估指标结果上面来看检测效果还是很不错的。