随着多媒体技术和互联网的迅速发展,以及数字存储设备成本的不断降低,导致图像数量每天以指数级的速度在增长,面对数量如此巨大的图像数据,传统的场景分类方法变得不再有效。近年来,随着人工智能的快速发展,人们的生活品质得到了提高和改善,尤其是神经网络构建的深度学习方法,在计算机视觉、自然语言处理、语音识别等多个领域获得了许多突破性的进展。针对场景图像复杂多变的特性,基于深度学习的场景分类技术相对于传统技术更具有通用性,已经被证明在大型的场景图像识别上具有出色的表现,将是以后场景分类技术发展的主要趋势。作为计算机视觉和模式识别领域的重要研究分支,场景分类在很多地方有着十分重要和广泛的应用。场景图像的整体布局、各个目标物体以及物体之间的位置关系使场景图像更加复杂多样化。在对现有场景分类技术调研和总结的基础之上,本论文提出一种同时利用卷积神经网络和外部知识库信息的场景分类模型。该方法首先利用卷积神经网络获取场景图像的总体特征,总体特征可以反映整个场景的结构特征信息;然后以目标检测的结果作为标签,利用SPARQL技术检索DBpedia知识库,用训练好的Doc2Vec模型将检索返回的结果编码为固定维度的语义特征,同时和卷积神经网络提取的总体特征相结合,共同作为分类器的输入完成场景的分类。通过在MIT indoor和Scene-15两个数据集上的实验验证,表明结合场景的CNN特征和外部知识库知识的方法,能够使训练出的模型具有较好的泛化性能和较高的分类准确率。