人臉檢測是目標檢測的一種特殊情形。目標檢測（通用物體檢測）針對的是多類別，人臉檢測是二分類，只檢測人臉這個類別。
通用物體檢測算法都可以直接拿來做人臉檢測，只需要改一下輸出類別就可以。但是如果直接拿來用，會出現一些問題：
通用物體檢測考慮的是更廣泛通用的物體，這些類別具有寬泛的意義。這些物體具有多種特點，場景複雜多變，物體形狀、背景、大小、尺寸等都比人臉這種單一的類別更復雜。人臉檢測雖然類別單一，但也不是那種簡單的檢測任務，人臉的角度、背景光照、尺度、類人臉的干擾物體、極小人臉等都是人臉檢測裏面的難題。而且通用目標檢測模型對於人臉檢測來說存在冗餘，並且缺乏對人臉數據針對性的設計（如anchor設計，尤其是對於尺度範圍很大的人臉檢測場景來說基本上就很難訓練出好的結果了）。因此在通用物體上表現好的模型在人臉檢測上不一定表現的好。
人臉檢測的問題可以針對性的解決，如anchor的設置、背景的處理、抑制誤檢、漏檢等。要想直接將SOTA通用物體檢測算法直接套在人臉檢測上，不一定能達到最好的效果，需要具體情況具體分析。