In den letzten Jahren wurde bei der Gesichtserkennung mithilfe von Faltungsneuronalen Netzen erheblicher Fortschritt erzielt. Während viele Gesichtserkennungssysteme speziell für die Gesichtserkennung konzipierte Architekturen verwenden, betrachten wir die Gesichtserkennung als eine allgemeine Objekterkennungsaufgabe. Wir implementieren einen Gesichtserkennungsmodell basierend auf dem YOLOv5-Objekterkennungssystem und nennen es YOLO5Face. Wir treffen mehrere zentrale Modifikationen am YOLOv5 und optimieren es speziell für die Gesichtserkennung. Zu diesen Modifikationen gehören die Hinzufügung eines Kopfes zur Regression von fünf Gesichtsmerkmalen (Landmarks), die Verwendung eines Stem-Blocks am Eingang des Hauptnetzwerks, die Verwendung kleinerer Faltungs-Kerne im SPP-Block sowie die Hinzufügung eines P6-Ausgangs im PAN-Block. Wir entwerfen Detektoren unterschiedlicher Modellgrößen – von einem extragroßen Modell zur Erzielung bestmöglicher Leistung bis hin zu einem supersmalem Modell für Echtzeit-Erkennung auf eingebetteten oder mobilen Geräten. Experimentelle Ergebnisse auf dem WiderFace-Datensatz zeigen, dass unsere Gesichtserkennungssysteme auf VGA-Bildern in fast allen Untergruppen (Easy, Medium und Hard) eine state-of-the-art-Leistung erzielen und sogar komplexere, speziell für Gesichter konzipierte Detektoren übertreffen. Der Quellcode ist unter \url{https://github.com/deepcam-cn/yolov5-face} verfügbar.