نُقدّم نهجًا جديدًا لوضع العلامات على كميات كبيرة من الصور الوجهية المأخوذة في البيئة الحقيقية، باستخدام توزيعات عمرية احتمالية عالية الجودة كعلامات. حيث يقدّم كل توزيع احتمالي توزيعًا احتماليًا للعمر المقدّر لكل وجه. يُستمد هذا النهج من ملاحظات تشير إلى أن من الأسهل تحديد من هو الأكبر سنًا بين شخصين من تحديد العمر الفعلي للشخص. وباستخدام قاعدة بيانات مرجعية تحتوي على عينات ذات أعمار معروفة، وبيانات لوضع العلامات، يمكننا نقل العلامات الموثوقة من القاعدة المرجعية إلى مجموعة البيانات المستهدفة من خلال مقارنات تفاعلية بشريّة-آلية. ونُظهر طريقة فعّالة لتحويل هذه المقارنات إلى توزيعات احتمالية باستخدام طبقات متصلة بالكامل (Fully-connected) وطبقات SoftMax، مما يمكّن من التدريب من الطرف إلى الطرف (end-to-end) في شبكة عميقة. وبفضل هذه الطريقة الفعّالة والكفاءة في وضع العلامات، نُجمِع مجموعة بيانات جديدة كبيرة النطاق للعمر الوجهي، تُسمّى "MegaAge"، وتتكوّن من 41,941 صورة. يمكن تحميل البيانات من صفحة المشروع: mmlab.ie.cuhk.edu.hk/projects/MegaAge، أو من GitHub: github.com/zyx2012/Age_estimation_BMVC2017. وباستخدام هذه المجموعة، نُدرّب شبكة تُنفّذ بشكل متزامن تصنيفًا ترتيبياً عبر مستويات (ordinal hyperplane classification) وتعلّمًا لتوزيعات الاحتمالات. وتحقق هذه الطريقة نتائج من أفضل النتائج المُحققة (state-of-the-art) على معايير شائعة مثل MORPH2 وAdience، بالإضافة إلى مجموعة البيانات الجديدة MegaAge.