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。