الكشف عن الوجوه بشكل قوي في البيئات الحقيقية هو أحد المكونات الأساسية التي تدعم العديد من المشكلات المتعلقة بالوجه، مثل التعرف على الوجه غير المقيد، التعرف على منطقة العين الخارجية للوجه، تحديد معالم الوجه وتقدير وضعه، التعرف على تعبيرات الوجه، بناء نماذج ثلاثية الأبعاد للوجه وغيرها. رغم أن مشكلة الكشف عن الوجوه قد تم دراستها بعمق لعقود مع العديد من التطبيقات التجارية، إلا أنها لا تزال تواجه صعوبات في بعض السيناريوهات الحقيقية بسبب التحديات العديدة مثل الإغفال الشديد للوجه، الدقة المنخفضة للغاية، الإضاءة القوية، التغيرات الاستثنائية في الزاوية، فضلاً عن تشوهات الضغط في الصور أو الفيديو وما إلى ذلك.في هذا البحث، نقدم نهجًا للكشف عن الوجوه يُسمى الشبكة العصبية المتعددة المقاييس القائمة على السياق (CMS-RCNN) لحل المشكلات المذكورة أعلاه بشكل قوي. مماثلة للشبكات العصبية القائمة على المناطق (Region-based CNNs)، تتكون شبكتنا المقترحة من مكون اقتراح المنطقة ومكون كشف المنطقة ذات الاهتمام (Region-of-Interest - RoI). ومع ذلك، فإن هناك مساهمتين رئيسيتين في شبكتنا المقترحة تلعبان دورًا مهمًا في تحقيق الأداء الرائد في مجال الكشف عن الوجوه. الأولى هي جمع المعلومات المتعددة المقاييس كلٍّ في اقتراح المنطقة وكشف RoI للتعامل مع المناطق الصغيرة جدًا للوجه. الثانية هي أن شبكتنا المقترحة تسمح بالاستدلال السياقي الجسدي الواضح داخل الشبكة مستوحاة من حدس نظام الرؤية البشري.تم اختبار النهج المقترح على قاعدة بيانات الكشف عن الوجوه الصعبة الحديثة "WIDER FACE" التي تحتوي على درجة عالية من التنوع، وكذلك قاعدة بيانات الكشف عن الوجوه ومقاييس الأداء (Face Detection Dataset and Benchmark - FDDB). أظهرت النتائج التجريبية أن نهجنا المقترح الذي تم تدريبه على قاعدة بيانات WIDER FACE حقق أداءً أفضل بكثير من الخطوط الأساسية القوية على نفس القاعدة البيانات، وأنه حقق نتائج تنافسية باستمرار على FDDB مقابل طرق الكشف عن الوجوه الأكثر حداثة والأكثر تقدمًا.