La iconografía ortodoxa cristiana es un elemento fundamental del patrimonio cultural religioso de muchos países. El iconoclasmo, el vandalismo y el paso del tiempo arruinaron la apariencia de los íconos, dificultando el reconocimiento de los santos representados. Este trabajo tiene como objetivo probar el rendimiento de 13 modelos de aprendizaje profundo de última generación para la tarea de reconocimiento de santos ortodoxos cristianos a partir de imágenes de íconos de madera pintados a mano preservados, lo cual nunca antes se había reportado en la literatura. Además, este trabajo presenta el primer conjunto de datos de imágenes público (ICONSAINT-ICONographic SAINT Recognition Dataset) de íconos de santos para tareas de clasificación, que incluye 2730 imágenes anotadas de 546 íconos de 123 clases. Todos los modelos fueron probados en tres configuraciones experimentales, involucrando una parte equilibrada del conjunto de datos de seis clases, una parte desequilibrada del conjunto de datos de 12 clases y una parte medianamente desequilibrada del conjunto de datos de ocho clases, reportando una precisión de hasta el 89% con VGG19 para los datos equilibrados, de hasta el 78% para MobileNet con los datos desequilibrados, y de hasta el 87% con DenseNet201 para los datos medianamente desequilibrados. Además, se consideraron los Mapas de Activación de Clase (CAMs) para resaltar las regiones de la imagen de entrada que más influyeron en la decisión de los modelos, añadiendo valiosa explicabilidad a los resultados a través de explicaciones visuales.