一、概述

人臉檢測的目標是找出影象中所有的人臉對應的位置，演算法的輸出是人臉外接矩形在影象中的座標，可能還包括姿態如傾斜角度等資訊。常用的人臉檢測資料庫包括：FDDB和WIDER FACE。

二、FDDB

FDDB總共2845張影象，5171張，人臉非約束環境，人臉的難度較大，有面部表情，雙下巴，光照變化，穿戴，誇張髮型，遮擋等難點，是目標最常用的資料庫。有以下特點：

影象解析度較小，所有影象的較長邊縮放到450，也就是說所有影象都小於450*450，最小標註人臉20*20，包括彩色和灰度兩類影象；
每張影象的人臉數量偏少，平均1.8人臉/圖，絕大多數影象都只有一人臉；
資料集完全公開，published methods通常都有論文，大部分都開原始碼且可以復現，可靠性高；unpublished methods沒有論文沒有程式碼，無法確認它們的訓練集是否完全隔離，持懷疑態度最好，通常不做比較。（扔幾張FDDB的影象到訓練集，VJ也可以訓練出很高的召回率。。需要考慮人品能不能抵擋住利益的誘惑）
有其他隔離資料集無限制訓練再FDDB測試，和FDDB十折交叉驗證兩種，鑑於FDDB影象數量較少，近幾年論文提交結果也都是無限制訓練再FDDB測試方式，所以，如果要和published methods提交結果比較，請照做。山世光老師也說十折交叉驗證通常會高1~3%。
結果有離散分數discROC和連續分數contROC兩種，discROC僅關心IoU是不是大於0.5，contROC是IoU越大越好。鑑於大家都採用無限制訓練加FDDB測試的方式，detector會繼承訓練資料集的標註風格，繼而影響contROC，所以discROC比較重要，contROC看看就行了，不用太在意。

三、WIDER FACE：

WIDER FACE總共32203影象，393703標註人臉，目前難度最大，各種難點比較全面：尺度，姿態，遮擋，表情，化妝，光照等。有以下特點有：

影象解析度普遍偏高，所有影象的寬都縮放到1024，最小標註人臉10*10，都是彩色影象；
每張影象的人臉資料偏多，平均12.2人臉/圖，密集小人臉非常多；
分訓練集train/驗證集val/測試集test，分別佔40%/10%/50%，而且測試集的標註結果(ground truth)沒有公開，需要提交結果給官方比較，更加公平公正，而且測試集非常大，結果可靠性極高；
根據EdgeBox的檢測率情況劃分為三個難度等級：Easy, Medium, Hard。