人脸识别可以分为face verification和face identification，前者是给定两张人脸，判断是否是同一个人;后者是给定一张人脸，判断他是人脸库中的哪个人。
然后看看sphereface中的这张图：
close-set就是我们用来测试的人脸全部都是train set 里的人，不会出现训练集之外的人。这种情况下，训练人脸识别模型就相当于训练分类模型，我们只需要能够很好的对训练集中的每个人进行分类就可以了。但是在大多数应用场景中，很大可能会出现训练集之外的人，比如，公司的人脸识别不一定只是公司的人会出现在这，那么分类器还是会把他识别成公司的人，因为人类器肯定会把一张人脸分类为训练集中的某个人。这个时候就需要open-set了。
open-set就是用于测试的人不在train-set里。这个时候训练模型其实是相当于训练一个特征提取器，训练好这个特征提取器之后这个train-set就没用了。举例：还是公司人脸识别，我们训练的时候不一定要使用公司的人的照片，因为我们只是需要训练一个特征提取器。所以可以用网上的训练集来训练模型。测试的时候我们才需要公司的人的照片。接下来会用到两个术语，probe face 和gallery，先看我的另一篇文章，理解他们的含义。人脸识别中的probe face 和gallery。这里的gallery就好比公司所有人的照片。probe face就是需要识别的那个人脸。
Reference：
[1] 人脸识别随笔2–关于测试指标那些事 - lucio的文章 - 知乎
[2] 人脸识别–SphereFace: Deep Hypersphere Embedding for Face Recognition
[3] 人脸识别–Open set和Close set的区别