湯曉鷗領導的計算機視覺研究組 (mmlab.ie.cuhk.edu.hk) 開發了一個名為DeepID (深分證)的深度學習模型， 在LFW (Labeled Faces in the Wild)資料庫上獲得了99.15%的識別率。

　　LFW是人臉識別領域使用最廣泛的測試基準。實驗表明，如果僅僅給出人臉中心區域，人用肉眼在LFW上的識別率為97.52%。

　　在此之前，湯曉鷗的研究組開發了一個基於高斯過程的人臉識別技術GaussianFace (高斯臉)，取得了98.52%的識別率。這也是計算機自動識別演算法的識別率首次超過肉眼。

　　DeepID將GaussianFace的人臉識別世界紀錄又向前推進了一個臺階，首次超過99%的LFW識別率。

　　人臉識別是計算機視覺和人工智慧研究領域一個重要挑戰，在公共安全、執法、移動網際網路和娛樂領域都有大量應用。它也成為檢驗人工智慧是否可以在解決某些特定智慧問題上達到甚至超越人的重要測試基準。

　　湯曉鷗的研究組在人臉識別領域有十幾年的研究經歷。他們從2011年開始開展深度學習方法的研究工作，在2013年達到了92.52%的識別率。過去一年，他們將這一數字提高到99.15%，

　　今年早些時候，湯曉鷗和王曉剛的研究組曾釋出了一套基於深度學習的人臉識別演算法，在LFW上取得了當時最高的97.45%的識別率. 與此同時，Facebook(67.44, 1.72, 2.62%)釋出了另一套基於深度學習的人臉識別演算法DeepFace，在LFW上取得了97.35%的識別率。

　　DeepFace需要700多萬人臉資料作為訓練。而DeepID僅使用了20萬張人臉資料以及數臺Nvidia(18.61, 0.19, 1.03%) K40 GPU。目前，湯曉鷗實驗室的三個人臉識別算法佔據了LFW識別率的前三名，而FaceBook的DeepFace排在第四。

　　湯曉鷗認為，人臉識別領域還有大量的工作需要做，很多演算法需要在實際應用中得到不斷的改進和提高。他的實驗室已經基於最新的技術突破製作出完整的一套人臉影象處理系統SDK，包括人臉檢測，人臉關鍵點對準，人臉識別，表情識別，性別識別，年齡估計等各種基礎技術包。

        湯曉鷗計劃把人臉識別技術免費提供給Android、iOS及Windows Phone開發者；在這套FreeFace-SDK的幫助下，開發者能夠在手機上開發基於人臉識別的各類應用。此外，湯曉鷗還希望利用使用者反饋進一步提高演算法的準確率。

　　除人臉識別外，湯曉鷗和王曉剛的研究組的另一核心研究方向是深度學習。他們設計了多個深度學習模型，可被用於研究計算機視覺領域的許多重要問題，包括人臉對準、行人檢測、姿態估計、人體影象分割、車型識別、大規模人群監控、通用物體識別和檢測、網際網路影象檢索等。