4，在FDDB和WIDER FACE数据集上的实验表明，我们提出的DSFD网络是最好的算法。 特征学习 ，人脸检测的早期工作主要依赖手工设计的特征，例如哈尔特征，控制点设置，边缘方向直方图。 然而，手工设计的特征缺少引导。
大家好，今天给大家分享一篇人脸算法领域非常知名的paper，RetinaFace (RetinaFace: Single-stage Dense Face Localisation in the Wild)。 同时也在文末附上开源项目的链接。
这表明了（1）人脸检测和对准会严重影响人脸识别性能，并且（2）对于人脸识别应用，RetinaFace比MTCNN具有更强的基准。 在图9中，我们在每个图例的末尾显示了IJB-C数据集上的ROC曲线以及FAR = 1e-6的TAR。
常见的人脸关键点检测算法中，其损失函数一般都是 L2 Loss（如下图左侧所示，其中的 用来控制各个关键点的权重）。 作者考虑到现有数据集中极端情况的样本数量少，故对旋转角度大的样本给予更大的 Loss 权重（如下图右侧所示，），以此缓解所存在的数据样本分布不平衡的问题。
