人脸识别（Face Recognition）vs人脸检测（Face detection）
人脸识别侧重于确认这张脸的独一无二的身份和属性。例如，在无感测温场景下，我们需要人脸检测 确认额头的位置以便检测温度身份信息并不必要。就像在图片中找出猫一样，机器只需要针对大量戴口罩的人脸进行学习，就能在现实世界中找出它们。
人脸检测是指从图片中找到人脸所在的位置，对于这张脸长什么样子、属于谁并不关心。
道德问题的出现
未经用户允许就擅自使用他们发在社交媒体的照片，难免会引起关注隐私的网友的不适。对此，Arbash解释道他们之所以这样做，是为了帮助那些希望提高识别佩戴口罩的准确率的数据科学家或机器学习工程师。“我们不会从中赚钱，这也不是商业活动。”如果有足够的兴趣，公司未来也将更多考虑去研究如何获得更多的“蒙面”数据。
但Facebook并不买账：“未经用户同意，我们不允许第三方以这种方式收集或使用用户发布的照片。”
The Real World Masked Face Dataset（RMFD）声称是最大的蒙面脸数据集，拥有从互联网上收集的525人的5000多张蒙面图片。这一数据集来自武汉大学的研究人员。他们提出了三种佩戴口罩的人脸数据集，包括：
1、口罩佩戴检测人脸数据集（Masked Face Detection Dataset，MFDD）
2、真实世界的口罩佩戴人脸识别数据集（Real－world Masked Face Recognition Dataset， RMFRD）
3、模拟口罩佩戴人脸识别数据（Simulated Masked Face Recognition Dataset， SMFRD）
从社交媒体上抓取人们的照片来训练面部识别算法的做法并不新鲜，但由于COVID－19，人们才对这一问题更加关注。作为一项公共安全问题，开发人员迫切需要开发更为准确的口罩人脸检测技术；但在未经许可收集图像时，则会出现道德问题。
