網路結構：

輸入的是對齊好了的人臉影象，將人臉影象通過面部標記點切分為多個相互之間有重疊部分的Patch，分別輸入相同結構的網路，每個網路都在不同的GPU上訓練。

網路結構包含9個卷積層，某些卷積層的後面有池化層，標準化層，論文中與圖中都沒有詳細說明，大致知道網路是什麼樣子的就可以了。

訓練時用softmax訓練，進行驗證時將所有FC層的特徵相接，構成一個高維的面部特徵。

驗證方法–Metric Learning度量學習：

通過以triplet loss 為監督訊號的度量學習方法來學習一種128維的特徵，用特徵之間的距離來進行驗證任務。

所謂度量學習，就是在特徵空間中學習某種合適的距離度量方法，也就相當於去尋找特徵空間中的某一子空間，將特徵變換到該子空間上之後，可以很容易的度量各特徵之間的距離（參考《機器學習》-周志華）。

通過這個度量學習，可以做到減小類內的l2距離，增加類間的l2距離的效果。

度量學習示意圖：

關於triplet loss的詳細描述可以參考我的部落格：人臉識別系列（六）：FaceNet

實驗：

訓練資料量對錯誤率的影響：

patch量對錯誤率的影響

最優結果：

使用7個patches,每個patch最終提取128維特徵，然後還混合了一些其他模型一起判斷（具體是哪些文中沒說）

達到了LFW上99.85%的準確率

論文中還展示了所有的驗證出錯的圖片對：

圖中分為三類：
a.錯誤標記。

b.假陰性，由化妝、帶眼鏡、人物造型變化比較大或是遮擋等原因造成。

c.假陽性，五官非常相似的人。