丝织品图像检索的任务是,对于给定的丝织品查询图片,通过图像检索返回与之相似的丝织品图片。丝织品图像检索在实际场景中有着重要应用,例如在线购物、服装辅料搜索等。但同时,该任务的挑战也很大。首先,因为现有的研究在此方面较为空白,没有公开的数据集;其次,数据集的获取难度也较大,需要较高的人工成本对图像进行标注;再者,丝织品图像属性不同于一般图像,其在拥有粗粒度的花纹图案信息以外,也不能忽视细粒度的纹理信息。因此,实现一个可以进行丝织品花纹检索的模型有着重要意义。以往图像检索领域的研究主要围绕着传统人工特征进行,而近年来神经网络在计算机视觉的多个领域方面取得了重大进展。因其简单高效的端到端的训练方式与可媲美传统方法性能的表现,神经网络在图像检索领域逐渐取代了传统方法的地位。本文在对现有经典图像检索模型及神经网络模型的分析的基础上,围绕采样方法、U-Net和注意力机制展开了针对性的研究,并通过定性实验和定量实验评估了本文提出的方法。本文主要工作和创新点如下:1)搜集并构建了适应任务的SFID图像数据集;并通过改善采样方法使少量样本能得到充分利用。2)针对丝织品图像属性特殊的问题,使用U-Net网络构建了可以融合浅层和深层特征的丝织品图像检索模型,并通过实验证明了本文提出的模型能更好地适用于本课题的任务,在该任务的探索上做出了贡献,为该领域的空白增添了一些笔墨。3)本文通过结合注意力机制提出改进的模型,在不增加额外数据的情况下充分利用现有信息以提升性能。最后通过实验证明了模型在表现上的进步。