本发明涉及一种用于图像识别的神经网络模型,由多个神经元连接在一起构成多层网络,所述多层网络包括卷积层、池化层和全连接层,卷积层用于提取特征向量,池化层对特征向量进一步筛选,全连接层进行最后的分类,各层之间通过激活函数连接在一起,并通过训练算法不断改进网络参数。本发明设计合理,该神经网络模型通过卷积层提取特征向量,通过池化层对向量进一步筛选,通过全连接层进行最后的分类,通过激活函数用于建立各层之间的连接关系并通过训练算法不断改进网络参数,从而提高图像中目标的识别率,为网络模型的设计、训练算法的选择提供新思路,可广泛用于图像识别领域。