深度神经网络在计算机视觉领域得到了广泛应用。针对ImageNet分类挑战，已经训练了多个性能优良的深度神经网络模型，这些模型在图像识别方面发挥了重要作用。然而，鲜有研究探索预训练神经网络在域适应中的图像识别应用。本文首次从预训练的Inception ResNet模型中提取出更具代表性的特征用于域适应。随后，我们提出了一种改进的分布对齐方法，利用提取的特征进行分类。我们在三个基准数据集（Office+Caltech-10、Office-31和Office-Home）上测试了我们的模型。大量实验表明，与现有最先进方法相比，我们的模型在分类准确率上分别提高了4.8%、5.5%和10%。