随着互联网的发展以及智能手机普及率的提高,手持移动终端得到了巨大的发展,伴随而来的是手机端应用程序数量的增加,对于用户以及安全性检测人员而言通过手机应用程序图标来快速搜索出对应的或者相似的手机应用程序是一件迫切需要解决的事情。对此需要用到图像检索技术。当前的图像检索技术主要集中在基于文本的检索以及基于内容的检索,而随着深度学习的发展,基于深度学习的图像检索技术也逐渐成为研究的热门。研究了深度学习以及图像检索的相关理论,使用深度学习技术来实现图像检索系统,并将该系统应用于手机应用程序的检索。主要工作如下:首先,调研了深度学习的相关技术;研究了卷积神经网络的结构、网络模型的训练过程以及常用的深度学习框架;比较和分析了传统的图像检索方法和特征提取方法,分析出了传统模型在检索结果、检索效果上面的缺点。其次,提出了一个卷积神经网络模型。该卷积神经网络模型可以提取出图像的多层特征,使用其中信息较为丰富的一层特征来作为检索系统中使用的特征。该特征相比于传统的人工特征而言,具有更好的鲁棒性,而且对于图像的旋转、缩放、对比度等变换就有很好的抗干扰性。为了便于图像的检索,将浮点数特征进行哈希化,对哈希化之后的特征建立多个不同的索引。将特征以及特征的索引存入一个高效的搜索系统中;然后结合大数据平台等工具以及局部敏感哈希算法,利用提取出来的特征在大规模数据中进行快速的检索。最后,在公开数据集上对图像检索的结果做了比较与分析,取得了比较满意的结果。