如上面幾位所說，用CNN train model 數據很重要很重要很重要，我就來分享一些公開的數據。1. 李子青組的 CASIA-WebFace(50萬，1萬個人). 需申請.Center for Biometrics and Security Research2. 華盛頓大學百萬人臉MegaFace數據集. 郵件申請, 是一個60G的壓縮文件. MegaFace3. 南洋理工 WLFDB. (70萬+,6,025). 需申請. WLFDB : Weakly Labeled Faces Database4. 微軟的MSRA-CFW ( 202792 張, 1583人). 可以直接通過OneDrive下載.MSRA-CFW: Data Set of Celebrity Faces on the Web5. 湯曉歐實驗室的CelebA(20萬+), 標註信息豐富. 現在可以直接從百度網盤下載 Large-scale CelebFaces Attributes (CelebA) Dataset6. FaceScrub. 提供圖片下載鏈接（100,100張，530人）. vintage - resources
深度學習深似海、尤其是在圖像人臉識別領域，最近幾年的頂會和頂刊常常會出現沒有太多的理論創新的文章，但是效果擺在那邊。
DeepID是深度學習方法進行人臉識別中的一個簡單，卻高效的一個網絡模型，其結構的特點可以概括爲兩句話：1、訓練一個多個人臉的分類器，當訓練好之後，就可以把待測試圖像放入網絡中進行提取特徵，2對於提取到的特徵，然後就是利用其它的比較方法進行度量。具體的論文可以參照我的一篇論文筆記：【深度學習論文筆記】Deep Learning Face Representation from Predicting 10,000 Classes
首先我們完全參考論文的方法用Caffe設計一個網絡結構：
其拓撲圖如圖1所示：