顔画像からの年齢推定は通常、非線形回帰問題として扱われます。この問題の主な課題は、同じ年齢の人々でも顔の外見に大きな変動があることや、加齢パターンの非定常性により、年齢に関する顔特徴空間が異質であることです。本論文では、Deep Regression Forests (DRFs) というエンドツーエンドモデルを提案し、年齢推定に適用します。DRFs は分岐ノードを畳み込みニューラルネットワーク (CNN) の全結合層に接続し、分岐ノードでの入力依存データ分割と葉ノードでのデータ抽象化を同時学習することで、異質なデータに対処します。この同時学習は交互戦略に従います：まず葉ノードを固定し、バックプロパゲーションによって分岐ノードおよび CNN パラメータを最適化します；次に分岐ノードを固定し、Variational Bounding から導出したステップサイズフリーで高速収束する更新則を使用して葉ノードを最適化します。我々は提案した DRFs を3つの標準的な年齢推定ベンチマークで検証し、すべてにおいて最先端の結果を得ました。