Trong những năm gần đây, nhận diện khuôn mặt đã đạt được những thành tựu cao nhờ sự phát triển của kỹ thuật học sâu. Một trong những kỹ thuật học sâu được sử dụng phổ biến là mạng nơ-ron tích chập sâu được thiết kế, điều chỉnh cho phù hợp với mục đích sử dụng khác nhau. Trong nghiên cứu này, chúng tôi đề xuất phương pháp sử dụng các kỹ thuật HOG và mạng nơron tích chập sâu cho việc rút trích đặc trưng khuôn mặt, đồng thời sử dụng kỹ thuật SVM, mạng nơ-ron cho việc nhận dạng. Để cải tiến độ chính xác nhận dạng, chúng tôi sử dụng kỹ thuật học sâu không giám sát GAN (Generative Adversarial Networks) với hai biến thể là CGAN (Conditional Generative Adversarial Networks) và SRGAN (Super Resolution Generative Adversarial Networks) nhằm tăng tính đa dạng các trạng thái biểu cảm khuôn mặt, làm dày và tăng chất lượng tập ảnh đầu vào. Chúng tôi thực nghiệm trên các tập dữ liệu khuôn mặt Asian, LFW, VN-Celeb, Pin-faces để so sánh, đánh giá độ chính xác nhận dạng khuôn mặt. Kết quả thực nghiệm cho thấy phương pháp đề xuất đạt độ chính xác nhận diện khuôn mặt trên 90% cho hầu hết các tập dữ liệu thực nghiệm.