2013年，MSRA的研究者首度尝试了10万规模的大训练数据，并基于高维LBP特征和Joint Bayesian方法[6]在LFW上获得了95.17%的精度。这一结果表明：大训练数据集对于有效提升非受限环境下的人脸识别很重要。然而，以上所有这些经典方法，都难以处理大规模数据集的训练场景。

　　2014年前后，随着大数据和深度学习的发展，神经网络重受瞩目，并在图像分类、手写体识别、语音识别等应用中获得了远超经典方法的结果。

　　香港中文大学的Sun Yi等人提出将卷积神经网络应用到人脸识别上[7]，采用20万训练数据，在LFW上第一次得到超过人类水平的识别精度，这是人脸识别发展历史上的一座里程碑。

　　自此之后，研究者们不断改进网络结构，同时扩大训练样本规模，将LFW上的识别精度推到99.5%以上。如表1所示，我们给出了人脸识别发展过程中一些经典的方法及其在LFW上的精度，一个基本的趋势是：训练数据规模越来越大，识别精度越来越高。如果读者阅读有兴趣了解人脸识别更细节的发展历史，可以参考文献。

　　表2 较为正常的人脸识别训练集

　　表3 本文用到的测试集

　　表4 一种快速可靠的训练数据清洗方法

　　图4给出了一套行之有效的人脸识别技术方案，主要包括多patch划分、CNN特征抽取、多任务学习/多loss融合，以及特征融合模块。

　　图4 人脸识别技术方案

　　1、多patch划分主要是利用人脸不同patch之间的互补信息增强识别性能。尤其是多个patch之间的融合能有效提升遮挡情况下的识别性能。当前，在LFW评测中超过99.50%的结果大多数是由多个patch融合得到。

　　2、经过验证较优秀的人脸特征抽取卷积神经网络包括：Deep-ID系列、VGG-Net、ResNet、Google Inception结构。读者可以根据自己对精度及效率的需求选择合适的网络。本文以19层resnet举例。

　　3、多任务学习主要是利用其他相关信息提升人脸识别性能。本文以性别和种族识别为例，这两种属性都是和具体人的身份强相关的，而其他的属性如表情、年龄都没有这个特点。我们在resnet的中间层引出分支进行种族和性别的多任务学习，这样CNN网络的前几层相当于具有了种族、性别鉴别力的高层语义信息，在CNN网络的后几层我们进一步学习了身份的细化鉴别信息。同时，训练集中样本的性别和种族属性可以通过一个baseline分类器进行多数投票得到。

　　4、多loss融合主要是利用不同loss之间的互补特性学习出适当的人脸特征向量，使得类内差尽可能小，类间差尽可能大。当前人脸识别领域较为常用的集中loss包括：pair-wise loss、triplet loss、softmax loss、center loss等。其中triplet loss直接定义了增大类内类间差gap的优化目标，但是在具体工程实践中，其trick较多，不容易把握。而最近提出的center loss，结合softmax loss，能较好地度量特征空间中的类内、类间差，训练配置也较为方便，因此使用较为广泛。

　　5、通过多个patch训练得到的模型将产生多个特征向量，如何融合多特征向量进行最终的身份识别也是一个重要的技术问题。较为常用的方案包括：特征向量拼接、分数级加权融合以及决策级融合(如投票)等。

　　表5 数据清洗前后识别模型性能对比

　　表5给出了训练数据清洗前后在测试集上的性能对比结果。据此可以得到以下结论：

　　数据的清洗不但能加快模型训练，也能有效提升识别精度;

　　在西方人为主的训练集MSCeleb1M上训练得到的模型，在同样以西方人为主的测试集LFW上达到了完美的泛化性能;但是在以东方人为主的业务测试集的泛化性能则有较大的下滑;

　　在以东方人为主的业务训练集训练得到的模型，在东方人为主的业务测试集上性能非常好，但是在西方人为主的测试集LFW上相对MSCeleb1M有一定差距;