Dans cet article, nous présentons deux modèles de classification d'images sur le jeu de données Tiny ImageNet. Nous avons construit deux réseaux très différents à partir de zéro, en nous inspirant de l'idée des réseaux de neurones convolutifs densément connectés (Densely Connected Convolution Networks). L'architecture des réseaux a été conçue en fonction de la résolution des images de ce jeu de données spécifique et en calculant le champ récepteur des couches de convolution. Nous avons également utilisé certaines techniques non conventionnelles liées à l'augmentation d'images et au taux d'apprentissage cyclique (Cyclical Learning Rate) pour améliorer la précision de nos modèles. Les réseaux ont été entraînés sous des contraintes élevées et avec des ressources informatiques limitées. Notre objectif était d'atteindre une précision de validation top-1 de 60 % ; les résultats ainsi que l'analyse des erreurs sont également présentés.