很久之前做的东西了，最近做了一个人脸相似度检测，里面用到了这里的一个模型，所以抽个空把人脸年龄检测的思路总结一下。
与其他CNN分类问题类似，人脸年龄预测无非就是将人脸分为多个类别，然后训练卷积神经网络，最后利用训练好的卷积神经网络进行分类即可。
但是在人脸年龄分类方面，有几个比较重要的问题，第一，人脸数据集不好获取，第二，人脸对偏移，光照敏感度很高。第三，特征不容易提取。
在数据集方面，我直接用了歪果仁的一个数据集，大概有40W张图片，分为100个年龄类，虽然质量不高，但是勉强可用。
对人脸图像进行预处理可降低偏移，光照等带来的影响，例如对正人脸图像，使用均值文件等等。
对于第三个问题，则需要用到caffe里面强大的功能：：fine-turning，我选择了vgg-16神经网络，其中训练分为6个阶段，其结构图为：
从左到右一共6个阶段，每个阶段为一个fine-turning，使用fine-turning能非常有效的提升神经网络预测的准确率。
接下来训练网络，训练时间比较慢，我在GTX1060上训练大概3天才训练玩。
训练好以后直接将模型文件保存为age.caffemodel，将网络配置文件保存为age.prototxt。
当预测一张新图片时，会得到图像的最终预测值，维度为100的向量，每个值代表属于此类的概率，然后乘以range（100)即可。