2）不会检测小脸，因为它训练的最小脸部尺寸为80×80。因此，您需要确保面部大小应该大于应用程序中的面部大小。但是，您可以为较小尺寸的面部训练自己的面部检测器。
3）边界框甚至小于HoG探测器。
基于dlib的方法能够检测大小达（70×70）的人脸，之后它们无法检测到。正如我们之前讨论的那样，我认为这是基于Dlib的方法的主要缺点。因为在大多数情况下不可能事先知道面部的大小。我们可以通过scaling图像来摆脱这个问题，但是与OpenCV-DNN相比，dlib的速度优势消失了。OpenCV方法仍不支持NVIDIA GPU。各场景下的选择建议：
（1）一般情况
在大多数应用程序中，我们不会在前面的图像中知道面部的大小。因此，***使用OpenCV- DNN方法，因为它非常快速且非常准确，即使对于小尺寸的面部也是如此。它还可以检测各种角度的面部。我们建议大多数人使用OpenCV-DNN。
（2）中到大图像尺寸
Dlib HoG是CPU上最快的方法。但它没有检测到小脸（<70x70）。因此，如果您知道您的应用程序不会处理非常小的面部（例如自拍应用程序），那么基于HoG的面部检测器是更好的选择。此外，如果你可以使用GPU，那么MMOD人脸检测器是***的选择，因为它在GPU上非常快，并且还提供各种角度的检测。
（3）高分辨率图像
由于这些算法不能提供高分辨率图像（计算速度），因此当缩小图像时，HoG / MMOD检测器可能会失败。另一方面，OpenCV-DNN方法可以用于这些，因为它检测小脸。
（4）非正脸
非正面可以向右，向左，向上，向下看，基于Haar的探测器完全失效。基于HoG的探测器确实检测左侧或右侧面部的面（因为它是在它们上训练的），但不如基于DNN的OpenCV和Dlib探测器那样精确。
（5）遮挡
DNN方法优于其他两种方法，OpenCV-DNN略好于Dlib-MMOD。