In diesem Artikel stellen wir eine Methode zur Logoerkennung mittels Deep Learning vor. Unser Erkennungspipeline besteht aus einem Schritt zur Vorschlag von Logo-Regionen gefolgt von einem speziell für die Logo-Klassifikation trainierten Convolutional Neural Network (CNN), das auch bei unauffälliger Lokalisierung der Logos funktioniert. Die Experimente werden auf der FlickrLogos-32-Datenbank durchgeführt, und wir untersuchen den Einfluss von synthetischer gegenüber realer Datenverstärkung sowie von Bildvorbereitungsmaßnahmen auf die Erkennungsleistung. Zudem untersuchen wir systematisch die Vorteile verschiedener Trainingsstrategien, wie beispielsweise Klassenbalancierung, Sample-Weighting und die explizite Modellierung der Hintergrundklasse (d. h. Bereiche ohne Logo). Die experimentellen Ergebnisse bestätigen die Durchführbarkeit der vorgeschlagenen Methode, die die bisherigen State-of-the-Art-Verfahren übertrifft.