本論文では、再帰型ニューラルネットワークを基盤とした物体認識のための深層ニューラルネットワークアーキテクチャを提案します。提案するネットワークはReNetと呼ばれ、一般的な深層畳み込みニューラルネットワークの畳み込み+プーリング層を、画像上に水平および垂直方向の両方でスキャンを行う4つの再帰型ニューラルネットワークで置き換えます。ReNetの評価は、広く使用されている3つのベンチマークデータセット；MNIST、CIFAR-10、SVHN（Street View House Numbers）で行われました。その結果、ReNetが深層畳み込みニューラルネットワークの有効な代替手段となり得ることを示唆しており、さらなる調査が必要であることが明らかになりました。