La détection de visages partiellement masqués est une tâche de détection complexe en raison des grandes variations d'apparence causées par diverses occultations dans le monde réel. Cet article présente un Détecteur de Visages Partiellement Masqués Adversarial et Conscient des Occultations (AOFD) qui détecte simultanément les visages partiellement masqués et segmente les zones occultées. Plus précisément, nous utilisons une stratégie d'entraînement adversarial pour générer des caractéristiques faciales ressemblant à des occultations, rendant difficile leur reconnaissance par un détecteur de visages. Le masque d'occultation est prédit en même temps que la détection des visages partiellement masqués, et la zone occultée est utilisée comme information supplémentaire plutôt que comme obstacle. De plus, les signaux de supervision provenant de la branche de segmentation influencent à l'inverse les caractéristiques, aidant ainsi à détecter les visages fortement occultés. Par conséquent, l'AOFD est capable de trouver les visages avec peu de points d'intérêt faciaux exposés avec une très haute confiance et maintient une précision élevée même pour les visages masqués. Des expériences approfondies montrent que l'AOFD non seulement surpasse significativement les méthodes actuelles sur le jeu de données MAFA pour la détection de visages partiellement masqués, mais atteint également une précision de détection compétitive sur des jeux de données de référence pour la détection générale des visages, tels que FDDB.