人臉識別可以分爲face verification和face identification，前者是給定兩張人臉，判斷是否是同一個人;後者是給定一張人臉，判斷他是人臉庫中的哪個人。
然後看看sphereface中的這張圖：
close-set就是我們用來測試的人臉全部都是train set 裏的人，不會出現訓練集之外的人。這種情況下，訓練人臉識別模型就相當於訓練分類模型，我們只需要能夠很好的對訓練集中的每個人進行分類就可以了。但是在大多數應用場景中，很大可能會出現訓練集之外的人，比如，公司的人臉識別不一定只是公司的人會出現在這，那麼分類器還是會把他識別成公司的人，因爲人類器肯定會把一張人臉分類爲訓練集中的某個人。這個時候就需要open-set了。
open-set就是用於測試的人不在train-set裏。這個時候訓練模型其實是相當於訓練一個特徵提取器，訓練好這個特徵提取器之後這個train-set就沒用了。舉例：還是公司人臉識別，我們訓練的時候不一定要使用公司的人的照片，因爲我們只是需要訓練一個特徵提取器。所以可以用網上的訓練集來訓練模型。測試的時候我們才需要公司的人的照片。接下來會用到兩個術語，probe face 和gallery，先看我的另一篇文章，理解他們的含義。人臉識別中的probe face 和gallery。這裏的gallery就好比公司所有人的照片。probe face就是需要識別的那個人臉。
Reference：
[1] 人臉識別隨筆2–關於測試指標那些事 - lucio的文章 - 知乎
[2] 人臉識別–SphereFace: Deep Hypersphere Embedding for Face Recognition
[3] 人臉識別–Open set和Close set的區別