大年龄段是自动面部识别的严重障碍。 尽管已经报告了许多令人鼓舞的结果，但是由于老化过程导致的类内差异很大，它仍然是一个具有挑战性的问题。 在本文中，我们主要侧重于寻找一种具有表现力的年龄不变特征，从而使其对人际差异具有鲁棒性，对不同主体具有歧视性。 为了实现这一目标，我们将原始特征映射到一个新的空间，在该空间中，该特征对于因面部图像老化而引起的噪音和较大的人际变化是很健壮的。 然后，我们进一步将映射的特征编码为年龄不变的表示形式。 经过映射和编码后，我们获得了稳健而有区别的功能，可以实现年龄不变的人脸识别的特定目的。 为了展示我们方法的有效性和通用性，我们在两个知名的公共领域数据库进行了实验，以进行年龄不变的人脸识别：跨年龄名人数据集（CACD，最大的公开可交叉使用年龄face.dataset）和MORPH数据集。 实验表明，我们的方法在这两个具有挑战性的数据集上均达到了最新的结果。

亚洲人脸年龄预估数据集，其中训练集40000张，测试集3950张，年龄范围在0-69岁

通过pso（粒子群算法）优化支持向量机回归模型中的惩罚系数和gamma系数，用于预测鲍鱼的年龄。数据集也在文件中，模型还不够完善，下次改进再发出来，不过能够运行，准确度还是有所提高，只是计算时间稍长，大概2个小时。

python mtcnn年龄性别预测 ，包含模型 可直接运行 (自己安装缺失的python库)

retinaface人脸识别的年龄性别预测，包含模型 可直接运行 注意 如果缺少mxnet等类库 自行使用pip安装

使用深度学习对大脑进行MRI年龄分类：使用深度学习对大脑MRI图像中的年代进行分类的MATLAB示例

完整英文版 BS EN 71-6:1995, BS 5665-6:1995 Safety of toys - Graphical symbols for age warning labelling（玩具的安全 - 年龄警告标签的图形符号）。 BS EN 71第6部分是一系列标准的一部分，该标准规定了对不适合3岁以下儿童使用的玩具上的年龄警告标签使用图形符号的设计要求。 本标准不适用于因其功能，尺寸，特性，特性或其他明显理由而明显不适合三岁以下儿童使用的玩具。 该符号的目的是告知成年人该玩具可能会对3岁以下的儿童造成危害。

慕课网，Android FacePlusPlus 人脸识别 学习资料源码。 使用FacePlusPlus接口实现人脸识别和年龄估算。 源码是用Android Studio打开的。 使用时需要在Constant的类中修改KEY和SECRET为你自己申请的api key和secret， 可以到faceplusplus官网申请一个填上去即可

基于Face++实现的人脸区域检测及年龄检测android源码

非线性和随机性是导致复杂系统退化过程的两个重要因素，因此在基于随机退化模型的预测中必须予以考虑。 然而，当前的研究几乎总是集中在与年龄有关的随机降解模型上，其中大多数是线性的，或者可以转化为线性模型。 在本文中，我们提出了一个与年龄和状态有关的通用非线性退化模型，以进行预测。 在提出的模型中，利用具有年龄和状态相关的非线性漂移和挥发性系数的扩散过程来表征降解过程的动力学和非线性。 为了获得估计的剩余使用寿命分布，首先通过兰佩蒂变换将考虑的扩散过程转换为具有随年龄或状态而定的非线性漂移但具有恒定波动性的扩散过程。 然后，基于众所周知的时空变换，我们在首次通过时间的概念中获得了解析的近似剩余可用寿命分布。 进而，提出了一种基于厄米展开法的近似形式的退化状态转变密度函数，在此模型中针对未知参数的最大似然估计方法。 提供了一个说明性示例，以说明如何将获得的结果应用于特定的与年龄和状态相关的非线性退化模型。 最后，提出的模型适合轴承退化数据。 比较结果表明，在预测学中必须使用年龄和状态相关的非线性退化模型。