摘要
年龄估计在视频监控、社交网络以及人机交互等多个领域具有广泛的应用前景。然而，许多已发表的年龄估计方法将该问题简单地视为精确年龄回归任务，未能充分利用年龄标签本身具有模糊性时，概率分布所具备的鲁棒性优势。为此，本文提出一种新的损失函数——均值-方差损失（mean-variance loss），通过分布学习实现更鲁棒的年龄估计。具体而言，该损失函数由两部分组成：均值损失（mean loss）用于惩罚估计年龄分布的均值与真实年龄之间的差异；方差损失（variance loss）则用于惩罚估计分布的方差，以确保分布具有集中性。所提出的均值-方差损失与Softmax损失联合嵌入卷积神经网络（CNN）中，用于年龄估计任务，并采用随机梯度下降（SGD）进行端到端的网络参数优化。在多个具有挑战性的面部年龄数据库（FG-NET、MORPH Album II 和 CLAP2016）上的实验结果表明，所提出的方法在仅使用单一模型的情况下，显著优于现有的最先进方法。