VGGnet和GoogLeNet這種很深的卷積神經網絡在圖像分類上取得成功，作者就嘗試將深度卷積神經網絡應用於人臉識別。
實驗方法跟DeepID2+相同，最終的準確率與DeepID2+差不多，並沒有得出深度卷積神經網絡比DeepID2+的淺卷積神經網絡更好的結論。還需要後續進一步論證。
識別錯誤分析：
以上三個是整個deepid系列識別爲不同人的同一個人，第一個是年齡差距太大沒識別出。第二個是本身Lfw就標記錯了，其實不是同一個人。第三個是因爲化了不同的妝所以沒識別出。由此可知年齡和妝容是影響同identity驗證的重要因素。
以上是deepid系列識別爲同一人的不同人。有一部分確實很像，有一部分則是由於遮擋造成的識別錯誤。
總結
1.對於同一個人，化妝真的是影響識別的一個重大因素，所以如果用明星的照片，特別是女明星來訓練，很有可能會訓練不出一個好的模型。因此我覺得在構建亞洲人臉數據集的時候應當拋棄這部分化妝濃郁的照片。
2.對於不同年齡段的同一個人的識別，對人類來說都很困難，對計算機更是巨大的挑戰。
to-do list
收集近年來的人臉識別訓練數據集大小，來驗證本論文中最後提出的用增大數據集的方法來驗證是否深卷積網絡比淺卷積網絡在人臉識別中更有效。