作者：wjmishuai
本文中介绍的人脸识别系统是基于这两篇论文：
《Very deep convolutional networks for large-scale image recognition》
一张人脸图片是由基本的edge构成。但是更结构化，更复杂，具有概念性的特征如何表示？这就需要更高层次的特征表示，比如V2，V4。因此V1是像素级特征。V2看V1是像素级的，层次递进，高层表达由低层表达的组合而成。专业点说就是基basis。V1取提出的basis是边缘，然后V2层是V1层这些basis的组合，这时候V2区得到的又是高一层的basis。即上一层的basis组合的结果，上上层又是上一层的组合basis……
直观上说，就是找到make sense的小patch再将其进行combine，就得到了上一层的feature，递归地向上learning feature。
在不同object上做training是，所得的edge basis 是非常相似的，但object parts和models 就会completely different了（那咱们分辨car或者face是不是容易多了）：
从文本来说，一个doc表示什么意思？我们描述一件事情，用什么来表示比较合适？用一个一个字嘛，我看不是，字就是像素级别了，起码应该是term，换句话说每个doc都由term构成，但这样表示概念的能力就够了嘛，可能也不够，需要再上一步，达到topic级，有了topic，再到doc就合理。但每个层次的数量差距很大，比如doc表示的概念->topic（千-万量级）->term（10万量级）->word（百万量级）
VGG_Face 网络的配置，列出了每一层滤波器的大小和数量，并且指明了步长和padding的方式：
相关参数的介绍：http://blog.csdn.net/wjmishuai/article/details/50890214
如果没有实验条件的话，不建议训练vgg_net。时间太长了，除非你有泰坦x显卡或者更好的显卡，这里给出训练的过程（基于caffe框架），有条件的可以做一下：
我们这里直接给出训练好的人脸识别模型：链接：http://pan.baidu.com/s/1qX4Ozc4 密码：3arl
