在本项工作中，我们研究了卷积网络深度对其在大规模图像识别任务中准确率的影响。我们的主要贡献在于，采用一种使用极小（3×3）卷积核的网络架构，对深度不断递增的网络进行了全面评估，结果表明，将网络深度推进至16至19个权重层，可显著超越此前的最优配置。这一发现成为我们参加2014年ImageNet挑战赛的基础，我们的团队在目标定位与图像分类两个赛道中分别获得第一名和第二名。此外，我们还证明了所提出的特征表示在其他数据集上具有良好的泛化能力，并取得了当时最先进的性能。我们已将表现最佳的两个卷积神经网络（ConvNet）模型公开发布，以促进计算机视觉领域中深度视觉表征的进一步研究。