تهدف التقدير البصري للعمر إلى التنبؤ بعمر الشخص من خلال صور الوجه، وتنطبق هذه التقنية على مجموعة واسعة من التطبيقات الواقعية. وعلى الرغم من النتائج المبهرة التي حققتها النماذج العميقة النهائية (end-to-end) في تقييم العمر على مجموعات بيانات معيارية، إلا أن أداؤها في البيئات الحقيقية (in-the-wild) لا يزال يترك مجالًا كبيرًا للتحسين بسبب التحديات الناتجة عن التغيرات الكبيرة في وضعية الرأس، والتعبيرات الوجهية، والانسدادات (الإغطاءات). ولحل هذه المشكلة، نقترح طريقة بسيطة ولكنها فعالة، تُضمن بشكل صريح معلومات الدلالة الوجهية (facial semantics) في عملية تقدير العمر، بحيث تتعلم النموذج التركيز الصحيح على المكونات الوجهية الأكثر إفادة من صور الوجه غير المتماثلة، بغض النظر عن وضعية الرأس أو التشوهات غير الثابتة. ولتحقيق ذلك، صممنا شبكة تعتمد على تحليل الوجه (face parsing) لاستخلاص المعلومات الدلالية على مقاييس مختلفة، بالإضافة إلى وحدة انتباه مبتكرة تعتمد على تحليل الوجه (face parsing attention module) لاستخدام هذه الميزات الدلالية في تقدير العمر. ولتقييم أسلوبنا على بيانات من البيئات الحقيقية، قمنا أيضًا بإدخال مجموعة بيانات جديدة وصعبة وذات حجم كبير تُسمى IMDB-Clean. تم إنشاء هذه المجموعة من خلال تنظيف مجموعة IMDB-WIKI الضوضائية بشكل شبه تلقائي باستخدام طريقة تجميع مقيدة. من خلال تجارب شاملة على IMDB-Clean ومجموعات بيانات معيارية أخرى، ضمن بروتوكولات التقييم داخل المجموعة (intra-dataset) وعبر المجموعات (cross-dataset)، أظهرنا أن أسلوبنا يتفوق باستمرار على جميع الأساليب الحالية لتقدير العمر، ويحقق أداءً جديدًا على مستوى الحالة الحالية (state-of-the-art). إلى حد معرفتنا، يمثل عملنا أول محاولة لاستخدام انتباه تحليل الوجه (face parsing attention) لتحقيق تقدير عمر يأخذ بعين الاعتبار الدلالة (semantic-aware age estimation)، وهو ما قد يكون ملهمًا لمهام تحليل الوجه الرفيعة المستوى الأخرى. يتوفر الكود والبيانات على الرابط: \url{https://github.com/ibug-group/fpage}.