随着电子商业的蓬勃发展,消费者们对服装商品的需求增加,使得市场对服装商品原材料之一的纺织面料提出了更高的要求,纺织面料生产企业为了应对市场,致力于面料创新与研究,用多种加工方式及材质进行面料生产,这也导致了市场上纺织面料的种类越来越多。对于纺织面料生产企业,面料种类的持续增长带来了库存管理上的压力。为便于面料库存上的管理,本文将卷积神经网络技术引入面料图像检索,做出了以下研究:（1）提出了一种基于Inception V3迁移学习的面料图像特征提取算法。针对面料图像种类多、视觉特征复杂导致面料图像特征提取精确率低的问题,使用Inception V3卷积神经网络迁移学习的方法,训练面料图像分类模型,通过该模型对面料图像数据集中每一张图像提取一个可以描述面料图像特征的特征向量,从而构建面料图像特征数据库。在面料图像检索实验中,使用欧式距离计算查询图像所提取出的特征向量与特征数据库中存储的全部特征向量的相似度。（2）提出了一种基于改进Inception网络的面料图像检索提速算法。针对面料图像集规模庞大导致检索速度慢的问题,通过加入哈希编码层和优化损失函数的方法改进Inception V3网络,重新训练面料图像分类模型,通过该模型对面料图像数据集中每一张图像提取一个可以描述面料图像特征的哈希编码形式的特征向量,构建面料图像特征数据库。在面料图像检索实验中,使用汉明距离计算查询图像所提取出的特征向量与特征数据库中存储的全部特征向量的相似度。（3）结合前文提出的两种算法,提出了一种分层检索算法,并实现了分层检索的面料图像检索系统。首先使用前文提出的两种算法联合构建面料图像特征数据库,存储每张图像的两种特征向量,对于查询图像,先用基于改进Inception网络的面料图像检索提速算法进行粗略级的检索,对于粗略级检索的结果,再用基于Inception V3迁移学习的面料图像特征提取算法进行精细级的检索,获得最后的检索结果。经过实验证明,基于Inception V3迁移学习的面料图像特征提取算法,检索精确度高于常用的面料图像特征提取算法;基于改进Inception网络的面料图像检索提速算法,检索速度有了显著提高;分层检索的面料图像检索系统,结合了两种算法的优点,兼具较高的检索精确度和优秀的检索速度,具有一定的实用意义。