Dans cet article, nous proposons un nouveau réseau de détection de visages avec trois contributions novatrices qui abordent trois aspects clés de la détection de visages, à savoir une meilleure apprentissage des caractéristiques, une conception progressive de la fonction de perte et une augmentation de données basée sur l'affectation d'ancres. Premièrement, nous introduisons un Module d'Amélioration des Caractéristiques (Feature Enhance Module - FEM) pour renforcer les cartes de caractéristiques originales et étendre le détecteur mono-shot à un détecteur double-shot. Deuxièmement, nous utilisons une Perte d'Ancres Progressive (Progressive Anchor Loss - PAL), calculée par deux ensembles distincts d'ancres, pour améliorer efficacement les caractéristiques. Troisièmement, nous mettons en œuvre une Stratégie d'Affectation d'Ancres Améliorée (Improved Anchor Matching - IAM) en intégrant une nouvelle stratégie d'affectation d'ancres dans l'augmentation de données, afin de fournir une initialisation optimale au régresseur. Comme ces techniques sont toutes liées au design à deux flux, nous avons nommé le réseau proposé Dual Shot Face Detector (DSFD). Des expériences approfondies sur des benchmarks populaires tels que WIDER FACE et FDDB montrent la supériorité du DSFD par rapport aux détecteurs de visages les plus avancés actuellement disponibles.