1、MTCNN_face_detection_alignment
来源：自荐
项目地址：https://github.com/kpzhang93/MTCNN_face_detection_alignment
项目描述：MTCNN出自2016年ECCV一篇论文https://kpzhang93.github.io/MTCNN_face_detection_alignment/paper/spl.pdf，目前在工业应用中落地比较成功，很多公司检测模块运用MTCNN或者其加速版，MTCNN将人脸检测和关键点检测通过一个模型作为MultiTasks的方式进行训练，inference时候可同时得到人脸框信息和关键点信息
推荐理由：人脸检测领域非常经典之作
来源：自荐
项目地址：https://github.com/zeusees/FaceBoxes
项目描述：FaceBoxes出自论文FaceBoxes: A CPU Real-time Face Detector with High Accuracy，是一种可以在CPU上实现实时检测的方法，而且精度也不错。该项目是Caffe版本，步骤讲解清晰，可以快速复现。鉴于FaceBoxes的检测速度非常快，也可以作为一种生产落地的方法，并且现有速度仍有一定的优化空间。
推荐理由：该项目复现了论文FaceBoxes，为研究者提供了开源项目，帮助研究者复现或者优化现有的论文。
3、SSH:Single Stage Headless Face Detector
来源：自荐
项目地址：https://github.com/mahyarnajibi/SSH
项目描述：该项目是ICCV2017论文SSH:Single Stage Headless Face Detector作者自己开源的项目，算是官方开源项目了。SSH也算是人脸检测中一个经典的方法，具有较高的精度和较快的速度。项目实现了论文中的很多细节，并且复现过程也讲解详细，容易实现。美中不足的是论文中的Pyramid方式，该项目没有实现。
推荐理由：官方开源，具有一定的权威性，最终效果也很不错。
PS：这里再推荐一个带有关键点检测的SSH，项目地址：https://github.com/ElegantGod/SSHA，这个项目中，作者自己标注了WIDER FACE的关键点信息，并提供了带有关键点检测的模型参数，同时从结果来看比官方开源的SSH在FDDB上精度稍微高一丢丢。
4、S3FD:Single Shot Scale-invariant Face Detector
来源：自荐
项目地址：https://github.com/yxlijun/S3FD.pytorch
项目描述：该项目是论文S3FD:Single Shot Scale-invariant Face Detector的pytorch复现版本。S3FD目前在FDDB的评测中排在前几位，属于精度较高的人脸检测方法。论文主要解决人脸尺度问题，进一步提升对小脸的检测。
推荐理由：人脸检测精度高的开源项目
5、Deep Learning Papers Translation(CV)
来源：内部推荐
项目地址：https://github.com/SnailTyan/deep-learning-papers-translation
项目描述：该项目非人脸相关，内部推荐里随机选了一篇，主要内容是CV领域里一些论文的翻译，包括分类、检测、OCR和模型轻量化，不喜欢看英文原版论文的，可以关注该项目，猜测后续应该还会更新
推荐理由：论文翻译，方便广大研究者
