最新《深度学习人脸识别》综述论文，

深度学习利用多个处理层来学习具有多个层次特征的数据表示。自2014年以来，随着Deepface和DeepID方法的突破，这一新兴技术已经重塑了人脸识别的研究领域。从那时起，深度人脸识别(FR)技术，利用层次结构学习区分的人脸表示，已经极大地提高了最先进的性能，并培养了许多成功的现实世界的应用。在这篇论文中，我们提供了一个全面深度学习人脸识别综述。首先，我们总结了在快速发展的深度FR方法中提出的不同的网络结构和损耗函数。其次，相关的人脸处理方法被分为两个类:“一对多增强”和“多对一归一化”。然后，对常用的模型训练和评价数据库进行了总结和比较。第三，对跨因素场景、异质场景、多媒体场景和行业场景进行了深入分析。最后，指出了现有方法的潜在不足和未来的发展方向。

https://www.zhuanzhi.ai/paper/446aa8d9785c6b0f745b051434ed2c1a

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“DLFR” 可以获取《最新《深度学习人脸识别》综述论文，》专知下载链接索引

专 · 知

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程视频资料和与专家交流咨询！

点击“阅读原文”，了解使用专知，查看5000+AI主题知识资料