我々は、実環境に存在する大量の顔画像に対して、高品質な年齢後験分布（posterior age distribution）をラベルとして付与するための新しいアプローチを提案する。各後験分布は、特定の顔画像に対して推定される年齢の確率分布を表す。本研究の動機は、人物の正確な年齢を特定するよりも、2人のうちどちらが年上かを判断する方が容易であるという観察に基づくものである。年齢が既知のサンプルを含む参照データベースとラベル付け対象のデータセットを用意することで、人間が関与する比較を通じて、信頼性の高いラベルを前者から後者へと転送できる。さらに、全結合層およびSoftMax層を用いた効果的な手法により、このような比較情報を後験分布に変換する方法を示し、深層ネットワークにおけるエンド・ツー・エンド学習を可能にした。この効率的かつ効果的なラベリング手法により、41,941枚の画像から構成される大規模な顔年齢データセット「MegaAge」を構築した。データは、プロジェクトページ（mmlab.ie.cuhk.edu.hk/projects/MegaAge）およびGitHub（github.com/zyx2012/Age_estimation_BMVC2017）からダウンロード可能である。本データセットを用いて、順序超平面分類と後験分布学習を同時に実行するネットワークを学習した。提案手法は、MORPH2、Adience、および新しく提案されたMegaAgeを含む、代表的なベンチマークにおいて最先端の性能を達成した。