実世界における応用は、写真の美的価値を細粒度で自動的にランク付けできる能力によって恩恵を受けることができる。しかし、従来の画像美的価値分析手法は、主に画像を高美しさ／低美しさの二値カテゴリに粗く分類することに焦点を当てていた。本研究では、画像の美的価値の相対的な順位を損失関数内で直接モデル化することで、写真の美的価値をランク付けするための深層畳み込みニューラルネットワークを学習する手法を提案する。本モデルは、意味のある写真撮影特性と画像コンテンツ情報を統合的に学習することで、複雑な美的価値評価問題に対する正則化を実現している。本モデルの学習と分析を行うために、複数の人が付与した美的スコアと意味のある属性情報を含む新たな美的価値および属性データベース（AADB: Aesthetics and Attributes Database）を構築した。各画像に対して匿名化された評価者の識別情報が記録されており、訓練用画像ペアのランク付け損失を計算する際、評価者内の一貫性を新しいサンプリング戦略を用いて活用できる。実験により、提案するサンプリング戦略が、個々の評価者が持つ主観的な美的感覚の違いに対しても非常に有効かつ頑健であることを示した。さらに、本モデルが人間の評価とより一貫性のある美的ランク付けを生成できることを実験で確認した。さらにモデルの有効性を検証するため、推定された美的スコアを単純に閾値処理するだけで、既存のAVAデータセットベンチマークにおいて最先端の分類性能を達成できることを示した。