我们提出了一种双帧神经网络结构，以提高室内场景识别的准确性。视觉几何组（VGG）网络框架由11层网络和13层网络卷积组成。11层网络有8个卷积层、5个池化层和3个全连接层。这个13层结构框架由5个池化层、10个卷积层和3个全连接层组成。前一个网络用于处理全局信息，后一个网络用于处理详细信息。我们可以通过全局和局部组合方法获得更多的图像信息。然后将11类室内场景数据集应用于该网络。通过改变光照条件和拍摄设备，给出了四组对比实验，展示了不同条件下网络结构的识别准确率。从实验结果可以发现，本文研究的多帧算法可以显着提高实验结果的准确性。