识别：
不是分类问题！！一方面，“类”很多，一“类”的数据特别少。显然用分类类解决出现问题。一个可能并且直观的想法是：KNN。但是，我们知道，KNN算法一般对于数据少的时候可以解决问题，数据量大了就会出现问题了。
1）训练
于是，我们尝试从另一个角度突破。训练时，存在一个映射，我们希望输入两幅照片，输出两个向量，然后使得希望如果两幅照片是同一个人，那么，我们就让这两个向量距离靠近；如果两幅图不是同一个人，我们就让两个向量距离远离。
不断训练直到f_para收敛。
2）测试
有需要识别的人脸库，将之全部通过f得到一批向量。这时，来一个人，需要识别是谁，也通过f得到一个向量，这个向量和那批向量中的所有的对比，看看和哪个向量的距离最小，就认为是这个人。（当然，如果最小的距离也很大，可能拒绝判断或者认为是陌生人）
检测：
需要判断图片中哪些位置有人，把有人的坐标输出。可能人的尺度很多，一个可能的选择是提取proposal
跟踪
视频的事
分割
每个像素都有类标，类标通常多于2
显著性
每个像素是0或者1，表示前景或者背景
重识别