Neural Aggregation Network for Video Face Recognition是CVPR2017的一篇论文，来源https://arxiv.org/abs/1603.05474。
主要目标是做基于视频的人脸识别。
网络分两个模块：
模块1 Feature embedding module：采用GoogLeNet+Batch Normalization的普通人脸识别网络，针对每张图像或者每帧图像的input，得到128D的特征向量。
模块2 Aggregation module：此乃本文的创新点，同一个人的多张图像或者视频序列通过模块1可以得到多个特征向量，将这些特征向量作为模块2的input，模块2能够学习到自适应的，内容相关的池化策略，从而得到一个融合后的128D的特征向量。
下图为本文架构核心：