图像检索技术是一种可以迅速而且精准地查询图像的技术,其基本思想是通过文字描述(基于文本的图像检索)或分析图像内容(基于内容的图像检索)得到图像特征,利用相似度匹配算法在图像库中找到与之近似的图像。本文针对基于内容的图像检索做了一些研究。本文首先简要概述了两种图像检索技术的研究背景并分析了各自的优劣性,又介绍了国内外对于图像检索技术的发展趋势和研究动态。接着重点阐述了基于内容的图像检索和深度学习的有关知识以及关键技术环节,最后将深度学习理论融入到基于内容的图像检索技术当中,设计出了一种基于深度学习的图像检索系统。它通过训练和构建深度卷积网络结构对动物图像进行图像特征提取,再通过相似性算法进行检索。本文所设计的图像检索系统与经典的基于内容的图像检索技术比较,免去了传统图像检索系统人工选择图像特征的环节,可以直接输入样本数据训练,网络就能够自动的学习并提取出图像本质特征。而且通过实验结果对比表明,基于深度卷积网络的图像检索算法具有更高效地检索效率,平均达到80%以上,比经典的图像检索系统具有更高的检索效率。