本文提出了一种基于深度学习的logo识别方法。所提出的识别流程包括两个阶段：首先生成logo候选区域，随后采用专为logo分类任务训练的卷积神经网络（Convolutional Neural Network, CNN），即使logo在图像中未被精确定位，该方法仍能有效识别。我们在FlickrLogos-32数据集上进行了实验，评估了合成数据增强与真实数据增强、以及图像预处理对识别性能的影响。此外，我们系统地研究了多种训练策略的优劣，包括类别平衡（class-balancing）、样本加权（sample-weighting）以及显式建模背景类（即无logo区域）的作用。实验结果证实了所提方法的可行性，其性能优于当前最先进的方法。