Face recognition, face verification and face identification
Face verification and face identification are two sub-problems in face recognition.The former is to verify whether two given faces belong to the same person, while the latter answers “who is who” question in a probe face set given a gallery face set.
Reference: the first sentence of Section 1 of "Bayesian Face Revisited"
gallery set、Probe set

Deng Cai的Learning a Spatially Smooth Subspace for Face Recognition 4.1节也有,和朱师弟讨论此处gallery set等同于训练集,Probe set等同于测试集; Graph Embedding and Extensions A General Framework for Dimensionality Reduction的4.1.1节的前一段最后意义与前相同
该论文的19页有如下描述：在FERET 评估协议中，算法设计者需要区分三个不同的集合：训练集，参考图像集（或者
原型图像集，gallery set）、测试图像集合（Probe set），其中gallery 集和probe 集供测试时使用。“训
练必须在测试开始之前完成”暗示训练是离线完成的，算法不能根据Gallery 集来调整系统参数。 

具体见http://parnec.nuaa.edu.cn/xtan/paper/TanXY-thesis-final.pdf
该论文的19页有如下描述：在FERET 评估协议中，算法设计者需要区分三个不同的集合：训练集，参考图像集（或者
原型图像集，gallery set）、测试图像集合（Probe set=test set），其中gallery 集和probe 集供测试时使用。“训
练必须在测试开始之前完成”暗示训练是离线完成的，算法不能根据Gallery 集来调整系统参数。

通过和Ran He老师讨论已经彻底搞清楚了：
比如他的CVPR 2012论文，用PCA+NN。人脸识别是一个开集问题，人脸验证verification是一个闭集问题。训练样本可能是甲乙，测试样本可能是丙丁。通过训练样本来学习PCA的投影向量W，降到多少维可以搜索，他的CVPR 2012论文PCA是保存98%能量,LDA是降到c-1维。和Ran He已讨论清楚搜索维数的方法：如果降到10维，取W的前10列分别乘以gallery和Probe，再用最近邻分类；类似降到20维，取W的前20列分别乘以gallery和Probe，再用最近邻分类。gallery相当于新的训练集，在Probe上测试。ACCV 2012 tutorial Structured Sparsity via Half-quadratic Minimization的S1-SR的第八页。在The CAS-PEAL large-scale Chinese face database and baseline evaluations (TSMCA 2008)P155也有Training set、 gallery set、Probe set定义

记忆方法：probe有调查，探测的意思。故是测试集