目前卷积神经网络已在单标签图像的识别上得到了高效的应用, 而多标签图像的识别需要处理包括尺寸、 形状、 布局等多个对象, 所以单标签图像分类的网络模型架构不能很好地识别出复杂的对象布局和多标签图像场景。文章提出了端到端方式训练的多标签图像识别算法, 在对图像进行随机缩放和裁剪后, 再进入卷积神经网络, 其输出经过池化分类层, 筛选出有效区域。同时提出加权、 动态的欧式距离损失函数用于神经网络的优化。实验结果显示, 该算法有效提高了多标签图像识别的精度。