تقدير العمر من الصور الفوتوغرافية للوجه يتم عادة صياغته كمشكلة انحدار غير خطية. التحدي الرئيسي لهذه المشكلة يكمن في أن مساحة الخصائص الوجهية بالنسبة للأعمار متفاوتة، وذلك بسبب التنوع الكبير في مظهر الوجه بين الأشخاص المختلفين من نفس العمر وعدم ثبات نماذج الشيخوخة. في هذا البحث، نقترح غابات الانحدار العميقة (DRFs)، وهي نموذج من النهاية إلى النهاية لتقدير العمر. تربط غابات الانحدار العميقة العقد التقسيمية بطبقة متصلة بالكامل من شبكة عصبية تقنية التعلم العميق (CNN) وتعالج البيانات المتفاوتة عن طريق تعلم مشترك لتقسيمات البيانات المعتمدة على المدخلات في العقد التقسيمية ومجردات البيانات في العقد الورقية. يتبع هذا التعلم المشترك استراتيجية بديلة: أولاً، عن طريق تثبيت العقد الورقية، يتم تحسين العقد التقسيمية وكذلك معلمات الشبكة العصبية التقنية للتعلم العميق (CNN) باستخدام انتشار الخلفيات؛ ثانياً، عن طريق تثبيت العقد التقسيمية، يتم تحسين العقد الورقية من خلال تكرار قاعدة تحديث خالية من حجم الخطوات وتقترب بسرعة مشتقة من الحد المتغير. نتحقق من فعالية الغابات المقترحة للانحدار العميق على ثلاثة مقاييس قياسية لتقدير العمر ونحقق أفضل النتائج الموجودة حتى الآن في جميعها.