基于深度残差决策的人脸年龄估计

论文：Facial Age Estimation by Deep Residual Decision Making

论文创新点：

 1、采用残差学习的方法来学习NDF的复杂软决策函数

 2、将网络可视化技术应用于NDF中

残差网络：

随着网络层数的增加，网络会出现退化。理论上，训练错误会不断减少，但实际上训练错误下降到一个点后又会上升。这明显不是过拟合造成的,因为过拟合是指网络的训练误差会不断变小,但是测试误差会变大。这是由于梯度爆炸和梯度消失的原因引起的，而残差网络能很好的解决这一问题。

 残差网络的结构如下图所示：与普通的网络结构不同，它有一个跳远连接，输入x直接跳到后面的层与经过卷积层的输出相加。

 决策森林：

决策森林是一类机器学习算法，其质量和速度堪比神经网络（并且通常优于神经网络），尤其是在处理表格式数据时。决策森林由多个决策树构成，因此易于使用和理解，并且现在还有大量的可解释性工具和技术供您使用。

论文结构：