- FDLite: 单阶段轻量级人脸检测网络
本文提出了一种定制的轻量级背骨网络 (BLite) 和一种轻量级人脸检测器 (FDLite)，采用常用的损失函数和学习策略进行训练，并在 WIDER FACE 验证数据集的不同子集上分别达到了 92.3%、89.8% 和 82.2% 的平均 - 利用全方位摄像头进行面部表情识别的自拍拍摄
最近的研究表明，视障人士希望像视力正常的人一样拍自拍照记录他们的照片并与他人分享。为了解决视障人士在拍摄自拍照时遇到的问题，本文提出了使用全景相机的多人自拍方法，通过面部检测、表情识别等技术，从多个视频帧中提取最满意的照片，并生成透视投影图 - 人力资源中的考勤管理自动化：使用计算机视觉与人脸识别的设计科学方法
基于 Haar 级联与 OpenCV2 的人脸检测系统可用于出勤追踪，通过使用简单的图像处理技术与边缘检测，结合精选的 Haar 特征和先进的边缘检测技术，实现高准确性和稳健性，节省资源并提高效率，适用于教育机构、企事业单位等各类场景，可民 - 人脸检测：现状与研究方向
计算机视觉领域中，人脸检测是大多数处理包含人的图像的应用的核心组件。尽管该领域已经有了很多研究，但人脸检测仍存在问题，如准确性和速度。本综述论文展示了该领域的进展以及仍需解决的重要问题，并提供了研究方向，可作为人脸检测领域的研究项目。
- 基于外观的注视估计，使用深度神经网络增强的合成图像
使用人工神经网络建立了一个模块化系统，通过对分别裁剪的眼睛进行估计，利用人脸检测和头部姿势估计组件，无需特殊硬件或红外滤光片，仅使用内置 RGB 相机进行人眼注视估计，通过包含大量合成数据集在训练模型中，达到了比相关方法更高的准确度。
- 面部检测和识别实用视频分析系统的端到端评估
基于一个驾驶特定数据集进行端到端评估，提出了创造平衡评估子集和使其注释一致的策略，以及顺序评估端到端系统性能以解决任务间的相互依赖性问题。实验证明我们的方法能够提供一致、准确和可解释的系统性能估计，对实际应用至关重要。
- 深度学习对 日本猕猴 中的自动检测和面部识别的应用：阐明社会网络
通过深度学习，本研究初步探索了一种非侵入性工具的开发，用于检测和识别日本猕猴的个体身份，旨在自动生成对研究种群进行社会网络分析的社交网络图。在研究中，建立了日本猕猴面部检测器（Faster-RCNN 模型），准确率达到 82.2％，并建立了 - 面部、面部特征点和头部姿态联合检测的实时多任务学习系统
该论文提出了一个实时多任务检测系统，能同时执行面部、面部标志和头部姿势的联合检测，以处理大角度面部姿势挑战，并在多个数据集上验证了其实时性能和有效性。
- EfficientSRFace: 一种高效的具有超分辨增强的网络，用于准确的面部检测
为解决深度人脸检测在低分辨率人脸检测中的性能问题，本文提出了一种新的高效检测器 EfficientSRFace，引入了特征级超分辨率重建网络，并在公共数据集 FDDB 和 WIDER Face 上取得了与现有算法相当的检测性能结果。
- 基于小波扩散模型的低光照图像增强
我们提出了一种名为 DiffLL 的稳健和高效的基于扩散模型的低光图像增强方法，它利用波浪变换加速推理并降低计算资源使用但不损失信息，并通过前向扩散和反向去噪实现稳定去噪和减少随机性。我们还设计了高频率恢复模块，利用图像的垂直和水平细节来补 - 口罩人脸检测算法的比较研究
本文对现代人脸检测算法面临的挑战进行了阐述，着重研究了一类子问题：检测戴口罩的人脸。文章回顾了当前的最先进人脸检测器和专门针对戴口罩人脸识别的算法，并评估了一组代表性的检测器在检测戴口罩人脸问题上的表现，并讨论了影响表现的可能因素。
- 更精确、更整洁的人脸检测：反向非极大值抑制
该论文介绍了一种新的基于 CNN 和 NMS 算法的人脸检测方法，可以有效处理低质量图像和小人脸，可以作为不同人脸检测方法的后处理器。
- 人脸检测中的鲁棒性差异
这篇研究论文旨在通过详细的基准测试来检查商业和学术模型的人脸检测问题，特别关注这些系统对于不同身份的人的鲁棒性和公平性的问题，结果发现西方男性、年龄偏大、皮肤较暗和光照条件较差的人更容易受到错误的影响。
- 视频监控场景下人脸识别方法的比较分析
该研究针对人脸识别中的关键问题：人脸检测、人脸对齐和人脸识别，通过在同一骨干架构下进行面部识别方法的比较基准测试，提出了最新的人脸识别状态，针对红外图像、无遮挡、带口罩、戴眼镜等情况对不同的识别算法进行了评估。
- 使用分散的数据收集和激励措施解决人脸监测器中的偏见问题
本研究提出了使用混合多任务级联卷积神经网络和 FaceNet 嵌入来消除人脸检测模型对不同种族、性别和年龄群体的偏见，并在用户验证的分散化系统中进行模型重训练。
- 实时图像检测与识别中 AI 分类算法的效率比较
本研究旨在使用 Python，OpenCV 和 Matplotlib 实现并比较多种面部检测和识别算法，以提高系统的识别准确性，该系统可应用于公共场所、购物中心和 ATM 亭等有闭路电视的地方。
- CVPR现实临床环境下鲁棒的新生儿面部检测
本文通过使用专有数据集对 You-Only-Look-Once（YOLO）算法进行训练，实现了对新生儿面部特征的快速准确检测，进而为自动化系统（例如疼痛识别和监控）提供帮助。
- CVPR领域特定人脸检测的隐私保护在线自动机器学习
HyperFD 是一种新的面部检测隐私保护在线自动机器学习框架，通过元特征表征数据集，并连续学习元特征提取器来更好地权衡偏差和方差，从而使本地任务能够有效利用先前任务的学习经验。
- GAN 生成的面孔检测：综述和新视角
通过分析当前 GAN 人脸检测的研究方向和方法，本文对深度学习、物理学、生理学以及与人类视觉性能的评估和比较等方法进行了分类，总结出不同类别的关键思路并与其具体实现相联系，讨论了存在的问题并提出了未来研究方向。
- MM自动可伸缩人脸检测器
通过不同的可微架构搜索方法，提出的 AutoFAE 模块在人脸检测方面表现出优异的性能，并在 WIDER Face 测试中实现了 AP 96.7/96.2/92.1 的结果。