该论文提出了一个采用深度级联多任务框架的人脸检测和对齐方法，利用深度学习及在线难样本挖掘等技术，在 FDDB、WIDER FACE 和 AFLW 等基准测试中取得了优于同类算法的高准确度和实时性能。

Apr, 2016

本文提出了一种针对边缘设备的轻量级和高速人脸检测器，其方法是基于无锚点的一阶段检测，通过重新考虑感受野和有效感受野（ERF）之间的关系来实现多尺度的连续人脸检测。综合实验结果表明，该方法在多个数据集上取得了更高的准确度和更快的推断速度。

Apr, 2019

本文提出了一种新的视角，即通过高级语义特征检测任务来检测对象，通过卷积实现中心和比例预测来简化行人和人脸检测，使其无需使用窗口分类器或基于锚箱的预测方式，并展现了在多项挑战性基准测试中具有竞争力的准确性以及卓越的泛化能力。

Apr, 2019

本文提出了一种基于卷积神经网络的 Deep Dense Face Detector (DDFD) 方法，不仅不需要姿态或者地标注释，而且能够探测多个视角下人脸的位置，并且表现出与其他方法相当或优于其他更为复杂的方法。

Feb, 2015

本文提出了一种联合多视角卷积网络，用于处理野外环境下面部姿态的大幅度变化，并优雅地桥接面部检测和面部标记定位任务，该方法对于半正面和侧面脸可检测和对齐大量关键点，并在多个数据集上证明了对于面部追踪和面部检测的显著改进。

Aug, 2017

提出一种基于分离和汇聚策略的面部标记定位方法，名为 AnchorFace，通过参考回归锚定模板和聚合结果降低面部姿态变化对结果的影响，在 AFLW、300W、Menpo 和 WFLW 数据集上取得了最先进的成果和高效的推理速度。

Jul, 2020

本文介绍了一种名为 MaskFace 的高精度人脸和关键点检测模型，该模型通过多任务模型同时解决人脸检测和关键点定位问题，并在多个任务数据集上实现了良好的性能。

May, 2020

本文提出了一种使用深度神经网络技术实现的、适用于各种人脸检测和识别的解决方案，包括面部检测、特征定位和人脸验证等环节，并在许多测试数据集上达到了最新水平。

Sep, 2018

该研究提出了一种名为 FaceBoxes 的新型人脸检测器，其网络结构采用了轻量级但强大的 RDCL 和 MSCL，实现了 CPU 上的实时速度和高性能的检测，同时还具有新的锚定点密集化策略，并在多个人脸检测基准数据集上呈现出最新的检测性能。

Aug, 2017

本文提出了一种实时的、无需面部检测或关键点定位的六自由度、三维人脸姿态估计方法，使用了 Faster R-CNN 模型将六自由度位姿回归给图像中所有的脸部，并展示了该方法在 AFLW2000-3D 和 BIWI 数据集上的优越性能。

Dec, 2020