为了解决如何从海量图像中快速找出人们想要的图像问题,图像检索技术出现在人们的视野中。随着深度学习技术的发展,基于卷积特征的图像检索技术应运而生,其主要检索过程是首先利用卷积网络提取图像的卷积特征,然后将特征编码成一个图像描述,并利用计算机来快速计算两个图像描述之间的距离,从而实现快速检索,有效的解决了从海量图像中搜索图像的问题。本文针对如何获得更好的卷积特征和如何将卷积特征编码成更具表达能力图像描述这两个问题展开了研究。为了提高基于预训练网络的图像检索算法在特定数据集上的检索精度,本文设计了一个基于分类网络的图像检索算法。为了获得更好的卷积特征,算法首先利用与目标数据集类似的数据集去微调预训练网络,再通过微调好的网络去提取目标数据集的卷积特征。为了获得更好的图像描述,本文设计了一个基于中心区域的空间加权矩阵,用于突出图像中的目标区域。并利用该空间加权矩阵对卷积特征进行加权,然后聚合卷积特征获得图像描述,最终实现检索。实验结果表明,在服装数据集上,本文算法能提高卷积特征的表达能力,并能有效的编码卷积特征,从而提高检索精度。为了滤除卷积特征中的背景信息,同时最大化的突出卷积特征的目标区域,本文在预训练网络的基础上提出了一个基于类激活图的语义通道联合背景滤除的图像检索算法,首先利用预训练好的网络模型提取卷积特征,并利用逆文档频率对卷积特征通道加权,然后通过卷积特征计算多类类激活图并聚合成求和类激活图,再根据通道方差对卷积通道进行排序并聚合排名靠前前N个通道,形成通道显著图,接着用求和类激活图对通道显著图滤除背景信息,获得本文设计的背景通道显著图,然后利用背景通道显著图对通道加权后的卷积特征进行空间加权,获得初步的图像描述,进一步对初步获得的图像描述进行PCA白化,获得最终的图像描述。实验结果表明,本文算法可以有效的滤除卷积特征的背景信息,同时还可以突出卷积特征的显著区域。并获得了较为优秀的检索结果。为了让人们更直观的实现商标检索,本文设计了一个基于web的商标检索系统,有效的解决当前社会出现的商标侵权纠纷问题,本文首先利用商标数据集训练了一个分类网络。并在该网络提取卷积特征的基础上,通过flask web开发框架设计了一个商标检索界面,让用户只需在界面上简单操作就可实现商标检索。