现今社交网络上的图片数据数量、信息含量持续增长。然而针对社交网络的研究集中在对其上的文本数据流的分析,对用户上传的丰富的第一手图像的研究却很罕见。经统计分析,用户上传的图片丰富且存在大量人脸图片,且大多为非正脸。本文以人脸信息为切入点,做了以下工作:通过网络爬虫获取120个明星的微博相册内的所有图片,使用半人工的方式对其进行整理,创建了用于测试正面人脸生成效果的数据集。完成图片预处理工作。使用ResNet-50改进PyramidBox模型完成人脸检测工作,使得用户图片中的人脸信息得到有效提取,降低因人脸检测准确率和精度不足而对后续的正面人脸生成和人脸识别造成的影响,为随后的正面人脸生成和人脸识别提供坚实的基础。使用Face++API对数据集中人脸姿态进行检测,减少人工识别工作量。随着人脸姿态变化增大,人脸识别准确率逐渐降低。为使得人脸图片中大量的非正脸得到利用,本文在调整DR-GAN模型训练多姿态人脸生成的基础上,增加对称性损失函数提升模型正面人脸生成能力,提高对大姿态人脸的识别准确率,使得使用大姿态人脸作为社交网络用户人脸标签成为可能。使用FaceNet网络模型完成人脸识别工作,使用密度聚类算法DBSCAN完成人脸聚类,给社交网络用户构建正面人脸标签库,提升人脸检索效率和准确率,分析用户之间关系。本文通过以上工作,提升了人脸检测的准确率和精度,提升了大姿态人脸正面人脸生成能力和对大姿态人脸的识别准确率,为用户添加了正面人脸标签库,以此为基础对社交网络用户进行分析。