في هذا العمل، تم اقتراح إطار عمل يعتمد على الشبكات العصبية التلافيفية العميقة القائمة على المناطق لتعلم بنية الوثائق. تشمل مساهمة هذا العمل تدريب فعال للمصنفات القائمة على المناطق ودمج فعال لمصنفات صور الوثائق. يتم استخدام مستوى أولي من التعلم النقل بين المجالات (inter-domain' transfer learning) عن طريق تصدير الأوزان من هيكل VGG16 المدرب مسبقًا على مجموعة بيانات ImageNet لتدريب مصنف وثائق على صور الوثائق الكاملة. استغلالًا لطبيعة نمذجة التأثير القائم على المناطق، يتم استخدام مستوى ثانوي من التعلم النقل داخل المجال (intra-domain' transfer learning) لتدريب سريع للنماذج التي تعتمد على التعلم العميق لمقاطع الصور. أخيرًا، يتم استخدام الدمج المستند إلى التعميم المتراكم (stacked generalization based ensembling) لدمج توقعات النماذج العصبية العميقة الأساسية. يحقق الطريقة المقترحة دقة قياسية بلغت 92.2% في مجموعة بيانات صور الوثائق RVL-CDIP الشهيرة، مما يتجاوز المعايير التي حددتها الخوارزميات الموجودة حاليًا.