为提升图像识别技术准确性，本研究基于区域卷积神经网络(region-based convolutional neural network, Faster R-CNN)深度学习算法的图像识别方法，采用理论分析与实验验证相结合方法，以公开图像数据集为例，探讨了Faster-RCNN的网络结构、区域建议网络(region proposal network, RPN)的实现、特征提取与分类器的设计，并进行了优化设计。在实验过程中，将优化后的Faster-RCNN算法与传统算法进行对比分析，验证其性能改进。结果表明：优化后的Faster-RCNN算法在图像识别的检测精度、处理速度、小目标检测能力上均优于对比算法，为复杂场景下的图像识别提供了更高效的解决方案。