人脸年龄预测

年龄预测，是指自动识别出一张图片中人物的年龄。这项技术有很多应用，如视频监控、产品推荐、人机交互、市场分析、用户画像、年龄变化预测（age progression）等。

在本案例中，我们将对图片中的人脸进行识别并根据人脸进行年龄预测。我们首先使用MTCNN模型检测出人脸区域，然后根据人脸区域使用SSR-Net模型预测年龄。

本案例涉及的内容：

• MTCNN模型的代码实现和使用

• SSR-Net模型的解析和使用

进入ModelArts

点击如下链接：https://www.huaweicloud.com/product/modelarts.html ， 进入ModelArts主页。点击“立即使用”按钮，输入用户名和密码登录，进入ModelArts使用页面。

创建ModelArts notebook

下面，我们在ModelArts中创建一个notebook开发环境，ModelArts notebook提供网页版的Python开发环境，可以方便的编写、运行代码，并查看运行结果。

第一步：在ModelArts服务主界面依次点击“开发环境”、“创建”

第二步：填写notebook所需的参数：

第三步：配置好notebook参数后，点击下一步，进入notebook信息预览。确认无误后，点击“立即创建”

第四步：创建完成后，返回开发环境主界面，等待Notebook创建完毕后，打开Notebook，进行下一步操作。

在ModelArts中创建开发环境

接下来，我们创建一个实际的开发环境，用于后续的实验步骤。

第一步：点击下图所示的“打开”按钮，进入刚刚创建的Notebook

第二步：创建一个Python3环境的的Notebook。点击右上角的"New"，然后选择TensorFlow 1.13.1开发环境。

第三步：点击左上方的文件名"Untitled"，并输入一个与本实验相关的名称，如"age_prediction"

在Notebook中编写并执行代码

在Notebook中，我们输入一个简单的打印语句，然后点击上方的运行按钮，可以查看语句执行的结果：

开发环境准备好啦，接下来可以愉快地写代码啦！

案例内容

MTCNN模型简介

MTCNN（Multi-task convolutional neural network） 中文名称是多任务卷积神经网络，可以用来做人脸区域检测和人脸对齐。在人脸检测中会面临很多不同的问题：遮挡，角度倾斜等。传统方法中，大多使用机器学习的方法，而在MTCNN中，使用深度学习方法结合NMS和边界框回归，将人脸区域坐标和关键点坐标进行识别，相比较机器学习方法，MTCNN能更好地识别不同情况下的人脸。

MTCNN模型的详解可以参考：https://kpzhang93.github.io/MTCNN_face_detection_alignment 。

数据和代码下载

运行下面代码，进行数据和代码的下载

代码参考附件：face_age_prediction.rar解压上传到notebook中运行！