La estimación de la edad basada en imágenes faciales se está utilizando cada vez más en varios campos. Ejemplos incluyen análisis estadísticos de marketing basados en preferencias de productos específicas por edad, aplicaciones médicas como productos de belleza y telemedicina, y seguimiento de sospechosos basado en la edad en sistemas de cámaras de vigilancia inteligentes. Las máscaras se usan cada vez más por razones de higiene, preocupaciones de privacidad personal y moda. En particular, la adquisición de imágenes faciales con máscara oculta se ha vuelto más frecuente debido a la pandemia de COVID-19. Estas imágenes causan una pérdida de características e información importantes para la estimación de la edad, lo que reduce la precisión de la estimación de la edad. Los estudios de des-oclusión existentes han investigado máscaras de mascarada que no ocultan completamente los ojos, la nariz y la boca; sin embargo, ningún estudio ha investigado la des-oclusión de máscaras que ocultan completamente la nariz y la boca y su uso para la estimación de la edad, que es el objetivo de este estudio. En consecuencia, este estudio propone una nueva red adversaria generativa de baja complejidad (LCA-GAN) para la estimación de la edad facial que combina una arquitectura de atención y una red adversaria generativa condicional (GAN condicional) para des-ocluir imágenes faciales humanas con máscara. Las bases de datos abiertas MORPH y PAL se utilizaron para realizar experimentos. Según los resultados, el error absoluto medio (MAE) de la estimación de la edad con las imágenes faciales des-ocluidas reconstruidas utilizando la LCA-GAN propuesta es de 6.64 y 6.12 años, respectivamente. Por lo tanto, el método propuesto produjo una mayor precisión en la estimación de la edad que al usar imágenes ocultas o imágenes reconstruidas utilizando el método de vanguardia.