我国幅员辽阔,动物种类繁多,鸟类在我国动物种类中占有极高的比例,目前我国对于鸟类的保护等相关技术较为落后。如今在大数据积累和应用的背景下,深度学习技术迅速发展,在计算机视觉领域取得了显著的成效。本文将深度学习方法应用于鸟类检测、识别分析中,对于实现鸟类的自动识别技术,鸟群的自动监控技术,以及特定区域下鸟类种群的管理都具有重大作用和生产实践意义。本文主要将深度学习方法应用于鸟类图像识别中,从深度卷积神经网络的研究入手,选用Caltech-UCSDBirds-200-2011数据库,按照标准数据标签格式制作数据集并人工标注特定标签区域,用于深度卷积神经网络的训练及测试。本文实现了鸟类检测识别、鸟类关键点定位、鸟类分割这三部分细粒度鸟类识别任务,通过分析深度卷积网络和区域建议网络原理,选用了两种特征提取网络(VGGNet、ResNet),搭建基于区域建议网络的网络结构用于鸟类检测识别任务;在基于检测识别网络基础上,增加网络深度,搭建关键点定位子网络,共享特征提取层权重特征,实现鸟类关键点定位任务;搭建深度全卷积网络结构,用于实现鸟类图像分割任务。