深度学习是一项功能强大的技术，除其他任务外，还广泛应用于图像识别和自然语言处理任务。 在这项工作中，我们提出了一种有效的技术，可以利用预训练的卷积神经网络（CNN）架构从图像中提取强大的功能，以用于对象识别。 我们基于现有的概念，通过提议考虑多个深层，通过激活将学习从预先训练的CNN扩展到新数据库。 我们已经利用发生在CNN各个中间层的渐进式学习来构造基于深度多层（DM-L）的特征提取向量，以实现出色的目标识别性能。 在这项工作中，使用了两个流行的经过预先训练的CNN架构模型VGG_16和VGG_19来从模型内部的3个深度完全连接的多层（即“ fc6”，“ fc7”和“ fc8”）提取特征集以