针对面部年龄估计中标签序数信息和类间相关性提取难的问题，提出一种多峰分布（MPD）年龄编码，并基于该年龄编码构建了一个多任务年龄估计方法MPDNet（MPD Network）。首先，利用MPD将年龄标签转化为年龄分布，以提取年龄标签间的相关信息，构建年龄老化趋势的阶段性；然后，采用一个轻量级网络进行多阶段的特征提取，并对提取的特征分别进行标签分布学习（LDL）和回归学习；最后，共享两个学习任务的输出，并在训练过程中通过反向传播互相优化，避免传统标签分布学习中对分布结果直接进行回归导致的误差传播。在MORPH Ⅱ数据集上的实验结果表明，MPDNet的平均绝对误差（MAE）达到2.67，与基于VGGNets （Visual Geometry Group Networks）构建的DEX（Deep EXpectation）、RankingCNN （Ranking Convolutional Neural Network）等方法相当，而参数仅为VGGNets的1/788.6；而且MPDNet也优于同体量的C3AE（extremely Compact yet efficient Cascade Context-based Age Estimation model）、SSR-Net （Soft Stagewise Regression Network）等方法。MPDNet能够较好地利用年龄标签间丰富的相关信息来提取更具判别力的年龄特征，提高年龄估计任务的预测精度。
