La détection de visages à haute performance reste un problème très complexe, en particulier lorsque de nombreux visages minuscules sont présents. Cet article présente un nouveau détecteur de visages en une seule étape, nommé Selective Refinement Network (SRN), qui introduit des opérations de classification et de régression en deux étapes innovantes et sélectives dans un détecteur de visages basé sur des ancres afin de réduire simultanément les faux positifs et d'améliorer la précision de localisation. Plus précisément, le SRN comprend deux modules : le module de classification en deux étapes sélective (Selective Two-step Classification, STC) et le module de régression en deux étapes sélective (Selective Two-step Regression, STR). Le STC vise à filtrer la plupart des ancres négatives simples des couches de détection de bas niveau pour réduire l'espace de recherche pour le classifieur suivant, tandis que le STR est conçu pour ajuster grossièrement les positions et les tailles des ancres provenant des couches de détection de haut niveau, offrant ainsi une meilleure initialisation pour le régresseur ultérieur. De plus, nous avons conçu un bloc d'enhancement du champ réceptif (Receptive Field Enhancement, RFE) pour fournir un champ réceptif plus diversifié, ce qui aide à mieux capturer les visages dans certaines poses extrêmes. En conséquence, le détecteur SRN proposé atteint des performances d'état de l'art sur tous les jeux de données largement utilisés pour la détection de visages, notamment AFW, PASCAL face, FDDB et WIDER FACE. Les codes seront rendus disponibles pour faciliter des recherches supplémentaires sur le problème de détection de visages.