本文介绍了一种用于人脸识别的稀疏卷积神经网络。通过迭代学习和神经元稀疏化，结合新的权重选择准则，提升了模型性能。在适度稀疏结构下，稀疏 ConvNet 的识别性能显著优于 DeepID2+。

本文提出了一种简单但有效的深度学习连续增量学习方法，结合了模型压缩、权重选择和网络扩展原理，实现多任务增量学习，避免遗忘并保持模型紧凑。实验结果表明，该方法能够处理多个任务的深度模型，且对单个任务的训练具有更好的性能表现。