随着互联网照片分享平台性能及摄影设备存储量的提升,海量照片管理成为难题,智能相册应运而生。智能相册除可根据人脸聚类对图片进行管理外,还应开拓更多维度的智能管理模式。丰富智能相册系统的管理维度和可玩性成为亟待解决的问题。本文在分析了国内外现有年龄估计算法的研究现状之后,决定选用卷积神经网络解决年龄估计问题。根据深度学习算法的设计与实现流程,我们首先对比可用年龄数据集并最终选用IMDb数据集。出于年龄数据集数据不足的问题,我们一方面进行了1-15岁儿童数据的收集,另一方面应用了迁移学习方法。继而,在数据预处理方面,采用自主研发的人脸检测系统,数据增强方面采用图像随机裁剪、翻转、平移、镜像、旋转和添加噪声等方法。然后,在基础模型选取上谨慎地对备选的VGGNet、GoogLeNet、ResNet和DenseNet结构的模型进行了本地训练,验证其在实验环境和目标任务上的可用性,最后结合模型集合和多任务学习对年龄估计算法进行了优化,并将年龄估计算法应用在智能相册系统当中,满足其工程需求。本课题的贡献有:(1)采用不同网络拓扑模型进行模型集合来优化算法,实验证明该方案将年龄预测误差降低了5.4%;(2)采用多任务学习方法优化算法,该方案经过实验证明使得年龄预测误差降低了22%;(3)将年龄估计算法应用于智能相册系统,丰富了智能相册系统的相册管理能力和趣味性。