随着计算机技术的快速发展，现代社会产生的数据量正在从TB级转化为PB级。面对如此海量的数据，通过技术手段准确地对数据进行处理、分析和应用成为大数据时代面临的难题。近年来，随着深度神经网络的提出，诸如目标检测、图像分类、语义分割等领域的研究取得了长足的进步。其中，图像分类任务是计算视觉中的一项基本任务，由图像分类网络结构衍生出了许多其他的视觉识别任务。图像大数据分类的深度网络通常分为经典深度学习网络、基于残差模块的深度学习网络和基于注意力机制的深度学习网络三类。文章首先对三类深度网络的网络结构和模型设计特点进行了回顾；接着，对现有的文献进行了分析、总结和讨论；然后分别列举了三种典型的深度网络图像分类算法并对其进行了对比；最后，基于深度学习的图像分类仍然存在一定的局限性，提出了未来可能的研究方向和存在的问题。