Ок. Напишу здесь свои мысли с чего бы я начинал решать эту задачу.
Начнем с того, что размер фотографий

, тогда входной вектор будет размерностью

. (Если Вы хотите использовать цветные фотографии, то вектор входных данных увеличивается в 3 раза в RGB системе). Количество нейронов на скрытом слое можно установить в ходе экспериментов, так как не существует четкого правила сколько их может потребоваться для решения той или иной задачи.
Теперь об эталоне. Пусть мы тренируем нейронную сеть для распознования изображения какого-то конкретного человека(Ч1). Для полноты эксперимента можно взять в качестве входных данных фотографии всех "подопытных", так как она должна знать как данный индивидуум выглядеть не может

. Тогда во время тренировки, если входные данные принадлежат этому человеку, то эталон пусть будет равен 1, а если нет то 0. Таким образом нейронная сеть научиться определять: на показанной фотографии Ч1 или кто-то другой.
Таким образом можно натренировать 10 нейронных сетей для распознавания всех 10 "подопытных" и показывая поочереди каждой сети данную фотографию можно найту ту которой это изображение "придется по душе" или соответственно не придется.
Но это как говорится самый простой вариант. Так сказать под конкретного человека. Если хотите что-то более универсальное, то нужно решать задачу классификации.
P.S. Мне кажется, что такой размерности

будет маловато для качественного распознования. Не уверен, что количества данных хватит.