Dans ce travail, nous étudions l'impact de la profondeur des réseaux de convolution sur leur précision dans le cadre de la reconnaissance d'images à grande échelle. Notre contribution principale réside dans une évaluation approfondie de réseaux de profondeur croissante, basée sur une architecture utilisant des filtres de convolution très petits (3×3), qui démontre qu'une amélioration significative par rapport aux configurations les plus avancées existantes peut être obtenue en poussant la profondeur jusqu'à 16 à 19 couches de poids. Ces résultats ont constitué la base de notre soumission au concours ImageNet 2014, où notre équipe a obtenu la première et la deuxième place respectivement dans les catégories localisation et classification. Nous montrons également que nos représentations s'adaptent bien à d'autres jeux de données, où elles atteignent des performances de pointe. Nous mettons à disposition publiquement nos deux meilleurs modèles de ConvNet afin de faciliter les recherches ultérieures sur l'utilisation de représentations visuelles profondes en vision par ordinateur.