为加强研究生学术交流活动，推进学术创新，特开通“研究生学术报告预告区”。我校研究生和教师可以在预告区及时发布和了解有关研究生学术报告的信息，届时参加。也可就某学术报告展开专题讨论与交流。
卷积神经网络在人脸识别领域取得了越来越多的丰硕成果，这得益于新网络结构的不断提出和各种强区分度损失函数的提出，卷积神经网络把人脸识别任务的性能提高到空前的水平。现有的深度学习损失函数很少能让人脸特征达到理想的特征分类标准——最大类内特征距离小于最小类间特征距离；并且目前的深度学习网络结构一般都存在参数量大、复杂度高的缺陷。鉴于上述两个原因，本研究在开集协议下设计了一种基于角度距离损失函数和密集连接卷积神经网络的模型，实现了深度人脸识别。本研究设计的网络结构使用基于角度距离的损失函数，让人脸特征的区分度更高，满足特征的理想分类标准。同时，本文提出的神经网络结构采用目前最先进的密集连接模块，很大程度上减少了传统网络结构的参数冗余，模型更加简洁轻便。经过大量的分析和实验，本文算法在LFW数据集上的人脸识别准确率达到了99.45%，在MegaFace的人脸确认任务和人脸验证任务中分别获得72.534%和85.348%的人脸识别准确率，验证了本文算法在人脸识别任务中的优越性。