في هذه الدراسة، نستعرض تأثير عمق الشبكة التلافيفية على دقتها في سياق التعرف على الصور على نطاق واسع. وتمثّل إسهامنا الرئيسي تقييمًا شاملاً للشبكات ذات العمق المتزايد باستخدام معمارية تتميز بمرشحات تلافيفية صغيرة جدًا (3×3)، حيث أظهرت النتائج أن تكثيف العمق إلى ما بين 16 إلى 19 طبقات وزنية يُمكن أن يؤدي إلى تحسين ملحوظ مقارنة بالتكوينات السابقة المُسجلة في الأدبيات العلمية. وقد استُندت هذه النتائج إلى مشاركتنا في مسابقة ImageNet 2014، حيث حقق فريقنا المركز الأول والثاني في مسارَي التحديد والتصنيف على التوالي. كما نُظهر أن تمثيلاتنا تُظهر قدرة جيدة على التعميم على مجموعات بيانات أخرى، حيث تحقق نتائج متقدمة على مستوى الحالة الحالية (state-of-the-art). وقد قمنا بالإفصاح عن نموذجَي الشبكة التلافيفية (ConvNet) الأفضل أداءً لدينا بشكل مفتوح لتسهيل أبحاث مستقبلية حول استخدام التمثيلات البصرية العميقة في الرؤية الحاسوبية.