DeepID3: Face Recognition with Very Deep Neural Networks

VGGnet和GoogLeNet这种很深的卷积神经网络在图像分类上取得成功，作者就尝试将深度卷积神经网络应用于人脸识别。
实验方法跟DeepID2+相同，最终的准确率与DeepID2+差不多，并没有得出深度卷积神经网络比DeepID2+的浅卷积神经网络更好的结论。还需要后续进一步论证。
识别错误分析：

以上三个是整个deepid系列识别为不同人的同一个人，第一个是年龄差距太大没识别出。第二个是本身Lfw就标记错了，其实不是同一个人。第三个是因为化了不同的妆所以没识别出。由此可知年龄和妆容是影响同identity验证的重要因素。

以上是deepid系列识别为同一人的不同人。有一部分确实很像，有一部分则是由于遮挡造成的识别错误。

总结

1.对于同一个人，化妆真的是影响识别的一个重大因素，所以如果用明星的照片，特别是女明星来训练，很有可能会训练不出一个好的模型。因此我觉得在构建亚洲人脸数据集的时候应当抛弃这部分化妆浓郁的照片。
2.对于不同年龄段的同一个人的识别，对人类来说都很困难，对计算机更是巨大的挑战。

to-do list

收集近年来的人脸识别训练数据集大小，来验证本论文中最后提出的用增大数据集的方法来验证是否深卷积网络比浅卷积网络在人脸识别中更有效。