في هذا البحث، نقدم نموذجين لتصنيف الصور على مجموعة بيانات Tiny ImageNet. قمنا ببناء شبكتين مختلفتين تمامًا من الصفر مستندين إلى فكرة الشبكات التلافيفية الكثيفة الاتصال (Densely Connected Convolution Networks). تم تصميم هندسة هذه الشبكات بناءً على دقة صور هذا المجموعة البيانات المحددة وبالحساب الدقيق لمجال الاستقبال (Receptive Field) للطبقات التلافيفية. كما استخدمنا بعض التقنيات غير التقليدية المتعلقة بزيادة حجم الصور (image augmentation) و معدل التعلم الدوري (Cyclical Learning Rate) لتحسين دقة نماذجنا. تم تدريب الشبكات تحت قيود عالية ومع موارد حوسبة محدودة. كان هدفنا تحقيق دقة تصنيف أولى بنسبة 60%؛ وقد قُدمت النتائج وتحليل الأخطاء أيضًا.