卷积神经网络（CNNs）是文档图像分类任务中的最先进模型。然而，许多这些方法依赖于为自然图像分类设计的参数和架构，而自然图像与文档图像存在差异。我们质疑这种做法是否恰当，并进行了一项大规模的实证研究，以确定哪些方面对文档图像分类性能影响最大。在研究结果中，我们通过使用剪切变换数据增强技术和为更大输入图像设计的架构，在RVL-CDIP数据集上超过了当前最先进的水平。此外，我们还分析了学习到的特征，并发现证据表明在RVL-CDIP上训练的CNNs能够学习区域特定的布局特征。