针对现有人脸检测算法难以处理多尺度、多姿态的人脸检测，尤其是面对小尺寸时准确性低的问题，提出了多尺度和纹理特征增强的小尺寸人脸检测算法。该算法的多尺度增强模块能够丰富特征的多尺度信息，提高对多尺度人脸的检测能力；纹理特征增强模块能够通过融合低层的纹理信息提升高层语义的表达，从而加强对小尺寸人脸的检测能力；多阶段加权损失函数平衡网络的输出，充分发挥各个模块的增强作用。实验结果表明，该方法不仅在检测速度上可以达到实时，而且对MALF数据集中高度小于60像素的人脸检测精度可达88.69%；在FDDB数据集上相比目前的BBFCN算法精度提高近四个百分点。

MSBDN-DFF CVPR 2020文件的源代码“多尺度提振除雾网络与密集特征融合”，由，，，项蕾，，王飞， 更新 （2020.12.28）发布培训脚本和改进的模型。 依存关系 Python 3.6 PyTorch> = 1.1.0 火炬视觉 麻木 skimage h5py 的MATLAB 测试 将和下载到MSBDN-DFF/models和MSBDN-DFF/文件夹中。 在命令行上使用cuda运行MSBDN-DFF/test.py ： MSBDN-DFF/ $python test.py --checkpoint path_to_pretrained_model 除雾后的图像将保存在测试仪的目录中。 火车 我们发现训练图像的选择在训练阶段起着重要的作用，因此我们提供了HDF5格式的训练集： （Password： v8ku ） 将HDF5文件下载到path_to_data