基于神经网络的算法为解决喷气分类问题（例如增强型顶部喷气标签）提供了一种有前途的方法。 迄今为止，基于NN的顶级标记器在蒙特卡洛研究中表现出出色的性能。 在本文中，我们构建了基于卷积神经网络（CNN）的顶部喷射标记器，并将其应用于部分级增强的顶部样本，最终状态下有无附加胶子。 我们显示，由CNN定义的可观测射流符合红外安全的规范定义：只要它与夸克之一柔软或共线，它就不会受到多余胶子的影响。 我们的结果表明，对于蒙特卡洛发生器对软和共线最终状态辐射可能进行的错误建模，CNN标记器具有较强的鲁棒性。