人脸是人体非常重要的生物学特征,人脸检测、人脸分割等人脸处理技术目前已广泛应用于安全、通信、医疗等领域,具有深入研究的实际意义。人脸分割的目的是找到人脸的轮廓,从而将人脸与图像背景分离。人脸分割作为多种应用的基础算法,对精度有很高的要求。由于姿态、脸型、发型遮挡、拍摄角度等原因,图像中的人脸的轮廓有很大的几何差异,这些因素影响分割精度。目前依然存在人脸检测不准确造成的人脸分割不精确问题,以及难以精确分割小尺寸人脸的问题。对于以上问题,本文的工作如下:（1）改进检测阶段,提出了三次精调的方法,在第三次的框体调整过程中,固定检测框中心不动,直接对边框进行调整,获得更准确的人脸检测结果,进而得到更精确的人脸分割边界。实验证明了方案的实际有效性。（2）在三次精调的基础上继续提出改进,设计了融合网络深浅层特征的新结构,该方法结合通道注意力和空间注意力,利用Depthwise convolution逐通道卷积,为每通道特征提供各自对应的注意力权重。在注意力机制的引导下,融合后的特征更有利于精确的分割任务,实验证明该方法在人脸边界分割任务中的精确性和高效性。（3）为使模型得到有效训练,训练集需要多种面积占比的人脸图像,因此组合一个人脸尺寸更丰富的人脸数据集,进行手工标注,并在新数据集上对所提出的网络结构进行了实验论证,实验结果与经典实例分割模型和最新人脸分割模型进行了比较,证明了本文的方法更优,具有良好的精确性和高效性。（4）将提出的分割模型在实例分割和人脸分割中进行验证,实验测试了目标检测、实例分割、人脸检测、人脸分割的结果及精确度,证实提出的方案在实例分割和人脸分割任务中都有较好的效果。