LeNet-5卷积神经网络（CNN）虽然在手写数字识别上取得很好的分类效果，但在具有复杂纹理特征的数据集上分类精度不高。为提高网络在复杂纹理特征图像上分类的正确率，提出一种改进的LeNet-5网络结构。引入跨连思想，充分利用网络提取的低层次特征；把InceptionV1模块嵌入LeNet-5卷积神经网络，提取图像的多尺度特征；输出层使用softmax函数对图像进行分类。在Cifar-10和FashionMNIST数据集上进行的实验结果表明，改进的卷积神经网络在复杂纹理特征数据集上具有很好的分类能力。