基于深度学习的人脸识别方法主要分为两个方向:多分类和度量学习。多分类的方法在标记的已知类别上训练,在未知类别上测试。测试集上的识别性能严重受限于训练集上模型的表达能力,近几年的研究工作主要是基于分类损失函数的改进,动机在于让模型在闭集上学习的特征具有更高的辨别性。度量学习的动机在于学习新的表征使得类间距离大于类内距离,训练阶段不需要知道目标的具体类别,只需要标记类别差异。近几年对于度量学习方向的研究工作主要集中在损失函数的改进,调整不同的策略减小类内距离方差,同时增大类间距离方差,学习到的度量可以直接作为特征比对阶段的相似度。对这两个方向的研究工作进行归纳和总结,并对其他可能的方向做一些展望,为基于深度学习的人脸识别方法的进一步研究提供一些参考。