深度学习_人脸检测_人脸检测与目标检测的区别

人脸检测是目标检测的一种特殊情形。目标检测（通用物体检测）针对的是多类别，人脸检测是二分类，只检测人脸这个类别。

通用物体检测算法都可以直接拿来做人脸检测，只需要改一下输出类别就可以。但是如果直接拿来用，会出现一些问题：

通用物体检测考虑的是更广泛通用的物体，这些类别具有宽泛的意义。这些物体具有多种特点，场景复杂多变，物体形状、背景、大小、尺寸等都比人脸这种单一的类别更复杂。人脸检测虽然类别单一，但也不是那种简单的检测任务，人脸的角度、背景光照、尺度、类人脸的干扰物体、极小人脸等都是人脸检测里面的难题。而且通用目标检测模型对于人脸检测来说存在冗余，并且缺乏对人脸数据针对性的设计（如anchor设计，尤其是对于尺度范围很大的人脸检测场景来说基本上就很难训练出好的结果了）。因此在通用物体上表现好的模型在人脸检测上不一定表现的好。

人脸检测的问题可以针对性的解决，如anchor的设置、背景的处理、抑制误检、漏检等。要想直接将SOTA通用物体检测算法直接套在人脸检测上，不一定能达到最好的效果，需要具体情况具体分析。