年龄估计论文阅读（一篇综述）

论文阅读《Neural networks for facial age estimation : a survey on recent advances》

面部年龄估计：应用和挑战

应用：

• 刑事调查：根据不同来源收集的年龄信息确定被告。
• 商业：根据一个人的年龄群甚至性别来个性化购物体验。
• 监视和安全：如防止未成年人观看成人电影和其他年龄限制的相关材料。
• 人类识别：可以从以前的图像中辨认出失踪的老人。
• 招聘：确定招聘人员年龄或找到即将达到退休年龄的员工。
• 等等

挑战

• 难以估计准确的年龄，因为它依赖于准确的特征。
• 有年龄和性别资料的良好数据库的可用性有限。
• 大量的标签数据也给面部年龄带来了问题。
• 胡须、眼镜等伪装因素。
• 皮肤感染、化妆、饮食、成年时皮肤问题的变化和同概念时面部形状的变化。
• 图像中的面部表情，微笑、皱眉、大笑、哭泣会在前额、脸颊、眼周、嘴巴或鼻子等部位产生皱纹，这些都会对于年龄估计产生很大的影响。
• 环境中的姿态、遮挡、光线、颜色模式和种族也是一大挑战。

神经网络

Artifical neural networks

• 前馈神经网络
• 反馈神经网络
  

Convolutional neural networks

CNN模型的一般结构如上图；

• AlexNet
• VGG-16
• GoogLeNet
• dagi-CNN
• ResNet

AlexNet：

AlexNet是一个总共8层的组合。5个卷积层，卷积层之后是最大池化，最后三层是全连接层。每个卷积层和全连接层之后都附加一个ReLU层。为了控制过拟合问题，在每一个全连接层之后还附加了一个dropout层。如上图。AlexNet前五位误差为16.4%

VGG-16

VGG-16是一个非常统一的架构，有16个卷积层，5个最大池化层ÿ