很久之前做的東西了，最近做了一個人臉相似度檢測，里面用到了這里的一個模型，所以抽個空把人臉年齡檢測的思路總結一下。
與其他CNN分類問題類似，人臉年齡預測無非就是將人臉分為多個類別，然后訓練卷積神經網絡，最后利用訓練好的卷積神經網絡進行分類即可。
但是在人臉年齡分類方面，有幾個比較重要的問題，第一，人臉數據集不好獲取，第二，人臉對偏移，光照敏感度很高。第三，特征不容易提取。
在數據集方面，我直接用了歪果仁的一個數據集，大概有40W張圖片，分為100個年齡類，雖然質量不高，但是勉強可用。
對人臉圖像進行預處理可降低偏移，光照等帶來的影響，例如對正人臉圖像，使用均值文件等等。
對於第三個問題，則需要用到caffe里面強大的功能：：fine-turning，我選擇了vgg-16神經網絡，其中訓練分為6個階段，其結構圖為：
從左到右一共6個階段，每個階段為一個fine-turning，使用fine-turning能非常有效的提升神經網絡預測的准確率。
接下來訓練網絡，訓練時間比較慢，我在GTX1060上訓練大概3天才訓練玩。
訓練好以后直接將模型文件保存為age.caffemodel，將網絡配置文件保存為age.prototxt。
當預測一張新圖片時，會得到圖像的最終預測值，維度為100的向量，每個值代表屬於此類的概率，然后乘以range（100)即可。