摘要
1.受DEX启发: 将年龄预测回归问题变为多分类问题
2.由粗到细策略,每个阶段执行部分年龄分类,任务量少（Stagewise）：每个阶段预测类别少，产生更小参数和更紧凑的模型
3.解决量化年龄问题,引入动态范围,让每个bin可以平移和缩放（Soft ）：允许bin根据输入来进行平移和缩放
4.模型大小可以达到0.32M
损失函数
在训练时，最小化平均误差函数,这里,年龄预测
逐步回归
动态范围
模型结构
结果分析
紧凑模型中表现最好。
Github：https://github.com/shamangary/SSR-Net
参考：https://blog.csdn.net/linshuo1994/article/details/82820591