近年来,基于内容的图像检索(Content Based Image Retrieval,CBIR)技术得到快速发展,但在大规模数据库中进行快速有效的检索还存在以下挑战:一是提取的图像特征不能有效表示具有复杂背景的图像;二是用户使用多标签示例图像不能有效地表达查询意图;三是系统难以快速响应大量的用户查询请求。针对上述问题,本文提出了基于主体检测的图像检索方法,使用目标检测网络提取目标级特征,排除复杂背景的干扰,并用主体检测算法排除边缘目标或小目标的干扰,最后将主体特征映射为二值哈希码,提高检索速度。主要研究工作如下:(1)提出了一种使用深度目标级特征的图像检索方法。该方法利用目标检测技术,提取目标区域的深度特征,排除图像背景的影响;结合目标类别概率值和目标级特征间的余弦距离对检索结果进行排序,解决了类别错误但特征距离相近图像对检索结果的影响,得到更加准确的检索结果。(2)提出了一种结合目标空间关系和类别概率值的主体检测方法。该方法在目标检测的基础上,针对多标签图像,利用目标的空间位置关系和类别概率值排除图像边缘目标或面积较小目标的影响,将主体类别作为用户想要查询的物体,明确用户查询意图。实验表明提出的主体检测方法可有效避免非主体目标的影响,得到更符合用户查询需要的结果。(3)设计了一种基于深度哈希映射的特征降维方法。该方法在目标检测网络中加入哈希层,通过训练学习,将主体区域的深度特征映射为二值哈希码,利用汉明距离排序检索结果,提高检索速度。实验中与实值向量和IAH(Instance aware hashing)算法进行比较,结果优于IAH哈希算法,和实值向量检索算法相比精度略有下降,但检索速度更快。