本論文では、Tiny ImageNetデータセットを用いた2つの画像分類モデルについて述べます。Densely Connected Convolution Networks（密結合畳み込みネットワーク）のアイデアに基づき、2つの非常に異なるネットワークをゼロから構築しました。これらのネットワークのアーキテクチャは、この特定のデータセットの画像解像度に基づいて設計され、畳み込み層の受容野（Receptive Field）を計算することによって最適化されました。また、画像拡張とサイクリックラーニングレート（Cyclical Learning Rate）に関連する非伝統的な手法を使用して、モデルの精度向上に努めました。ネットワークは高い制約条件と低計算リソースのもとで訓練されました。我々の目標はtop-1検証精度60%を達成することであり、その結果と誤差分析も提示しています。