本文的目标是实现人脸识别——无论是基于单张照片，还是基于视频中追踪到的一组人脸。该领域近年来的进展主要归功于两个因素：（i）采用卷积神经网络（CNN）进行端到端的任务学习；（ii）大规模训练数据集的可用性。本文做出两项贡献：首先，我们展示了如何通过自动化与人工参与相结合的方式，构建一个规模庞大的数据集（包含260万张图像，涉及超过2600名人员），并探讨了数据纯净度与采集时间之间的权衡；其次，我们深入分析了深度网络训练与人脸识别中的复杂性，提出了一系列方法与流程，能够在标准的LFW和YTF人脸识别基准测试中达到与当前最先进水平相当的性能。