近年来随着深度学习技术逐渐发展,其在自然语言处理、计算机视觉等方向的应用范围逐渐拓展,社会需求也在逐年提升。深度学习领域内的卷积神经网络凭借其高效的特征提取能力逐渐成为图像处理的主要方法,极具研究价值和商业价值。传统的人工场景图像分类方法已经无法满足现今动辄上亿的图片数据量。如何使用计算机对场景图像进行理解、分析,进而实现分类、标签、搜索等操作已成为学者们的研究热点。虽然已有许多场景识别方面的研究成果,但仍然存在很多问题亟待解决,例如网络加深导致的参数量和计算量增大,网络层数少但精度低、算法无法满足识别需求等。针对场景识别研究现存的问题,本文研究出了一种新的卷积神经网络物体检测模型,实现了对场景图像的高速识别,使其在精度和速度上达到一个更好的平衡点。在传统的YOLOv3目标检测模型中,将深度可分离卷积方法运用于原有模型网络中,使得新模型相较于常规YOLOv3目标检测算法参数量减少了约90%,模型训练和物体检测速度提升至2倍。本文在MIT Indoor67室内场景图像数据集中验证其性能,可适用于对实时性要求高的环境,如手持设备等。本文研究发现场景图像中各种物体出现与否的事件相互独立,通过计算物体检测得到的物体出现的先验概率,然后利用贝叶斯分类原理计算图像中场景的概率,最后取最大值作为场景识别的结果。通过提出物体出现事件相互独立,使得本文的场景识别符合朴素贝叶斯分类的原理,便于计算后验概率,从而减少了模型的参数量和计算量并且能够达到90%以上的分类准确率。本文基于上述方法实现了一个场景识别系统,经过实验测试并与常用的场景识别方法在同一数据集上的识别率作对比,证明本文系统的识别精度能够达到62.4%准确率,速度也超过现有模型,具有一定的优势。