我们对近期用于文档图像分类任务的深度学习架构、算法和策略进行了全面的研究，最终将错误率降低了一半以上。现有的方法，如DeepDocClassifier，通常应用标准卷积网络架构，并从物体识别领域进行迁移学习。本文的贡献有三个方面：首先，研究了最近引入的非常深的神经网络架构（GoogLeNet、VGG、ResNet）并使用从真实图像中进行的迁移学习；其次，提出从大量文档图像数据集（即400,000份文档）中进行迁移学习；最后，分析了训练数据量（文档图像）和其他参数对分类能力的影响。我们使用了两个数据集：Tobacco-3482和大规模RVL-CDIP数据集。在Tobacco-3482数据集上，我们达到了91.13%的准确率，而早期的方法仅能达到77.6%。因此，实现了超过60%的相对错误率降低。对于大规模数据集RVL-CDIP，我们达到了90.97%的准确率，相当于11.5%的相对错误率降低。