论文： Sun Y, Wang X, Tang X. Deep Learning Face Representation from Predicting 10,000 Classes[C]// IEEE Conference on Computer Vision and Pattern Recognition. IEEE, 2014:1891-1898.
论文算法概述
如图，将人脸图像切分成多个图像块，每个图像块各自输入到一个网络中进行特征提取，网络中的特征图数量从底层到顶层逐层减少，最后得到160维的特征向量。在训练时，该160维特征向量直接接分类层(图中n为类别数，以身份为类别)进行分类监督训练，各个网络训练完后，将各网络的160维向量使用联合贝叶斯组合在一起用于人脸验证，在LFW上实现97.45%的准确率。
细节
采用的deep ConvNets包含有4个卷积层，使用max-pooling下采样，紧接着全连接层和softmax层用于分类。输入为39 x 31 x k用于长方形的图像块，31 x 31 x k用于正方形图像块，k为图像通道数，输出固定为160维。
文中以两眼、鼻子、两嘴角的5个关键点对齐人脸，然后进行人脸区域切分。使用60个人脸图像块，含10个人脸区域，3个尺度（如下图所示），以及RGB或灰度。每个图像块对应一个网络，即训练60个网络，每个网络输出两个（人脸区域水平翻转）160维特征向量，那么整体得到的特征向量长度为160 x 2 x 60=19200。然后使用PCA将特征向量降到150维，最后这150维特征基础上训练联合贝叶斯模型，通过对贝叶斯相似度设定阈值进行人脸验证。
其中训练的人数和图像块(patch)的数量对训练结果有较大影响：
论文中模型在CelebFaces上训练，随机选取8700个人的图片训练DeepID，剩下的1477个人训练联合贝叶斯模型，使用100个人脸patch和5个尺度，最终得到32000维特征，用PCA降到150，在联合贝叶斯上对LFW测试，准确率为97.20%。