图像分类问题的研究机器学习和计算机视觉领域,主要研究基于图像内容识别物体并进行分类。深度学习算法在图像分类问题上的的应用对于该问题的解决起到了巨大的推动作用,当前最高水平算法在诸如ImageNet之类的大型数据集的图像分类准确率已经达到人类水平,并使得研究热点向着更具挑战性的图像标注问题转移。深度学习框架是深度学习应用于具体任务的基础和标准,因此各大科技公司和研究机构纷纷推出并维护各自的深度学习框架,以期成为业界标准。本文以图像分类任务为牵引,从对线性分类算法和深度学习算法的比较研究出发,聚焦多种算法及模型的实现与优化。基于多种算法的实现,成功构建了一个轻量的深度学习框架,并通过大量实验验证了框架中算法的有效性。图像标注问题是图像分类问题之后的有一个新的挑战,要求算法根据图像内容给出描述图像内容的自然语句。本文对深度学习模型应用于图像标注算法后的进展进行了研究,从图像标注数据集、图像标注的自动评价标准和图像标注算法模型三个方面对图像标注问题当前的进展进行了介绍。并针对m-RNN图像标注模型进行了研究和改进,在此基础上提出了新的图像标注算法。本文使用提出的深度学习框架,在训练一个简单的卷积神经网络作为分类算法的基础上,搭建了一个前端为微信公众号,后端为阿里云服务器的在线图像分类系统,并验证了系统的有效性。