樊钦睿，李丹

（四川大学锦城学院，四川成都，611731）

0 引言

随着计算机性能的快速发展，机器学习迎来了它的黄金时期，而人脸检测作为很多任务的前驱任务，一直是一个热门研究领域，这些年来，各种算法突飞猛进的快速发展，我们在人脸检测领域已经取得了巨大进步 。在深度学习中，人脸检测是一项非常重要的计算机视觉任务，特别是卷积神经网络（CNN）。人脸检测作为许多任务的第一步，包括人脸识别、验证、跟踪、对齐、表情分析等，都吸引了学术界和工业界的许多研究。多年来，机器学习中人脸检测的性能和准确性有了显著地提高。有关人脸检测的调查，请参考基准结果[3-4]。在人脸检测领域中，很多学者和机构提出了许多来自不同角度的方法，研究方向包括了CNN网络的设计、损失函数、数据增强和训练方法等。

虽然在普通人脸检测上，我们已经取得了巨大进步，但现在存在的问题是，佩戴口罩出行成了大势所趋，而口罩不可避免地会带来某些较难解决的噪声[2]。检测带有口罩遮挡的人脸是一项具有挑战性的任务，主要有以下两个原因：（1）缺少大规模的口罩人脸数据集的支持。（2）口罩在人脸上遮挡范围较大，使很多人脸区域的特征丢失，现有的很多人脸检测器达不到理想的效果。

YOLO5face独特的检测机制与很多使用特定人脸检测器的设计不同，YOLO5Face是一个基于YOLOv5对象检测的人脸检测器，它将人脸检测视为一般目标检测任务[1]。基于YOLO5Face在WiderFace数据集上的实验结果表明，此方向具有高度可行性，且在有遮挡人脸，如：戴口罩、戴墨镜等情况下具有优势。……