场景识别是机器人环境理解和行为规划的基础,对人类的便捷生活也有着巨大的应用价值,是计算机视觉的重要研究方向。相比于其他计算机视觉任务而言,场景图像具有更高的类间相似性及类内差异性等问题,使用一般的分类方法处理场景识别问题比较困难。目前场景识别的研究多集中在局部特征的增强来提升场景识别效果,而这些方法大多需要较好的局部监督信息,实现比较复杂。本文旨在通过对场景与物体的相关性研究,提出更高效的场景识别方案。本论文创新性地使用多任务学习的方法来研究场景识别问题,使用单个网络同时处理场景识别和物体识别任务,实现其特征共享和相互促进,以提升场景识别率。首先,本论文对场景与物体识别关系进行了研究。通过对数据集,研究方法以及场景与物体在CNN内部的关系等方面进行了研究,发现显著性物体对场景识别具有重要影响,同时场景识别模型具备无监督的物体定位能力,得出场景与物体具有高度关联性的结论。场景与物体是同一现象的不同描述,将场景识别与物体识别问题同时处理具有可操作性。其次,通过对单任务场景识别进行研究,验证所提出的SceneBlock等网络对场景识别问题的适用性。设计了 SceneNet网络来实现单任务场景识别,SceneNet由基本单元SceneBlock组成,该结构是在ResNet网络直连结构（shortcut）上的创新,提出具有门控单元的直连结构SceneBlock。同时,SceneNet通过全局平均池化（GAP）层来保存网络的定位能力。实验结果显示,所提出的SceneBlock结构具有更丰富特征提取功能,GAP结构对保持网络定位能力具有有效性,同时SceneNet对场景识别效果具有显著提升。最后,通过场景与物体识别相关性的特征,提出使用多任务学习的策略同时训练场景和物体识别模型,并在SceneNet网络基础上提出SceneObj-CNN来实现多任务学习。该网络具备更丰富的特征提取功能,场景与物体识别任务共享中低层特征,通过场景模型无监督物体定位能力提升物体识别效果,同时利用物体类别进行局部特性监督,促进场景识别效果。最终的实验结果显示,多任务学习的方法对提升场景识别效果具有显著作用,同时能实现物体识别。所提出的网络结构和实验方法对场景识别和物体识别问题都有借鉴意义。