Dans cet article, nous proposons une méthode de reconnaissance de logos basée sur l’apprentissage profond. Notre chaîne de traitement repose sur une proposition de région contenant un logo, suivie par un réseau de neurones convolutifs (CNN) spécifiquement entraîné à la classification de logos, même lorsque ceux-ci ne sont pas précisément localisés. Des expérimentations ont été menées sur la base de données FlickrLogos-32, et nous évaluons l’impact de l’augmentation de données synthétiques par rapport aux données réelles, ainsi que celui du prétraitement d’images sur les performances de reconnaissance. En outre, nous étudions de manière systématique les avantages de différentes stratégies d’entraînement, telles que l’équilibrage des classes, le pondération des échantillons et la modélisation explicite de la classe de fond (c’est-à-dire les régions sans logo). Les résultats expérimentaux confirment la faisabilité de la méthode proposée, qui surpasser les approches de l’état de l’art.