論文連結：Deep Learning Face Representation from Predicting 10,000 Classes

網路結構

The last hidden layer of DeepID is fully connected to both the third and fourth convolutional layers

其實DeepID特徵就是一個由連線第三層與第四層組成的全連線層特徵。

為什麼連線兩層？

第四層的特徵更加全域性化（global），第三層的特徵更加細節

因此DeepID連線了兩者，以求同時包含全域性，細節資訊。

網路訓練

通過5個landmarks將每張人臉劃分成10regions

每張圖片提取60patches=10regions*3scales*2(RGB or gray)

使用60個CNN,每個CNN提取2*160=320維特徵（與水平翻轉一起輸入）

演算法驗證

分別使用聯合貝葉斯演算法與神經網路進行分類，並比較結果

神經網路結構如下：

實驗結果

最終結果

以CelebFaces+中202,599影象作為訓練集，
patch數提升為100（10r*10s*2）
特徵數提升為100*160*2=32000 然後使用PCA降為150維
使用聯合貝葉斯演算法進行驗證，
最終在LFW上達到97.20%的驗證準確率