La identificación individual juega un papel importante en la prevención y control de enfermedades, la trazabilidad de productos cárnicos y la mejora de reclamos falsos en seguros agrícolas. La detección automática y precisa de la cara del ganado es fundamental para la identificación individual y el reconocimiento de expresiones faciales basado en tecnología de análisis de imágenes. Este documento evaluó la posibilidad del algoritmo de detección de objetos de vanguardia, RetinaNet, realizando la detección de caras de ganado en múltiples vistas en granjas con iluminación fluctuante, superposición y oclusión. Siete modelos CNN pre-entrenados diferentes (ResNet 50, ResNet 101, ResNet 152, VGG 16, VGG 19, Densenet 121 y Densenet 169) fueron ajustados mediante aprendizaje por transferencia y re-entrenados en el conjunto de datos del documento. Los resultados experimentales mostraron que RetinaNet incorporando el ResNet 50 fue superior en precisión y velocidad a través de la evaluación de rendimiento, lo que arrojó una puntuación de precisión promedio del 99.8% y un tiempo de procesamiento promedio de 0.0438 s por imagen. En comparación con los algoritmos competidores típicos, el método propuesto fue preferible para la detección de caras de ganado, especialmente en escenarios particularmente desafiantes. Este trabajo de investigación demostró el potencial de la inteligencia artificial hacia la incorporación de sistemas de visión por computadora para la identificación individual y otras mejoras en el bienestar animal.