Hintergrund/Motivation:
Gesichtbasierte Altersschätzung ist in vielen Anwendungen zentral (z. B. Identitätsprüfung, Jugendschutz, Medizin). Klassische Ansätze (reine Regression oder einfache Klassifikation) haben jedoch klare Grenzen: sie ignorieren Unsicherheit, leiden unter unausgewogenen Daten (long tail, fehlende Altersklassen) und unter der nicht-linearen Skala des Alters. Gleichzeitig wird in einer kürzlich erschienen Studie behauptet, dass Loss-Wahl und Architektur die Performance nur begrenzt beeinflussen [7]. Diese pauschale Aussage soll in dieser Arbeit kritisch und differenziert überprüft werden, um zu klären, wann die Wahl von Loss und Architektur entscheidungsrelevant ist und wann sie nachrangig bleibt.

Ziel:
Ziel dieser Masterarbei...