Facial Age Estimation by Deep Residual Decision Making-（Resnet+决策森林在年龄估计中应用）

《Facial Age Estimation by Deep Residual Decision Making》

深度决策森林

深度决策森林 NDF，随机森林可以被用作深度学习网络的最后一层的分类器，通过前面的系统输出的表征数据，然后用随机森林作为分类器进行分类。并且，深度决策森林，将传统随机森林的局部优化改进成通过反向传播算法进行全局优化，随机森林的参数训练可以与前端的深度学习网络进行无缝衔接。

创新点

1.将ResNet应用到深度决策森林（NDF中）。
2.利用基于梯度的技术来可视化NDF的决策过程。

网络介绍

图1.深度残差神经决策森林（RNDF）。输入图像从分类节点传输（红色箭头），然后到达叶节点给出预测。从输入中提取深度表征数据发送（蓝色箭头）到每个分类节点进行决策。在特征提取过程中引入ResNet，帮助优化复杂软决策函数。

$p_i$：每个叶节点的预测向量
$P$：每个叶节点的预测向量$p_i$与其路径的权重相乘，求和得到最终的预测值。

权重由路径上的分裂节点给出的推荐分数$S_i$相乘得到。 j m = 0 j_m=0 j