图像是人类获取信息的重要方式，图像的产生速度越来越快，产生了海量的图片信息，图片信息充斥在生活的方方面面[5]。

因此使用计算机识别图像在现在发挥着重要的作用。

深度学习的方法用于图像识别，相对于传统方法有很大优势。

传统的图像识别是基于表层的图像特征。

一般的提取方式是:图像分割、图像特征提取、分类器识别这三步骤[11]。

传统的图像识别技术采用人工选择特征,使用模式匹配、线性分类等算法进行图像识别,识别的准确率十分依赖于所选特征的质量,很难提取到可以表达原始数据本质的特征。

由于文本信息的特殊性，传统的图像识别很难取得很好的效果。

深度学习技术现如今已经取得了很大的进步，深度学习技术不依赖人工去设计图像的表层特征，而是以数据为驱动，自动去学习到图像的特征[11]。

因此深度学习的网络学习到的特征比传统方法更抽象和更合理。

而且深度学习善于从原始输入数据中挖掘越来越抽象的特征表示，而且这些表示具有良好的泛化能力。