刺绣图像作为青海省特有的非物质文化遗产之一,其艺术价值在青海众多民间艺术中最具鲜明民族特征和地域特性,刺绣图像作为刺绣艺术内容信息的载体,有着其重要的研究价值。近几年,图像涉及到的行业中,图像检索成了首当其冲的研究难题与热点,同时,随着互联网的发展,深度学习在图像信息特征提取、分类、识别、检索等研究方面取得了显著成效。本论文为了丰富对青海刺绣艺术数字化保护的手段和方法,在深度学习的理论基础上,设计和实现了刺绣检索系统,一方面弥补了刺绣图像检索研究的空白,使用户可以快速地检索出所需要的刺绣图像信息,另一方面也对青海刺绣艺术的数字化保护传承和开发利用起到了一定的积极作用。本论文主要工作在于:(1)本论文将深度学习与刺绣图像检索技术相结合,提出了深度学习在刺绣图像检索系统中的应用模型,设计了可靠的刺绣图像检索系统。本文解决了传统的基于文本的检索方式以及传统的基于内容的检索方式存在的缺少学习能力不足、检索速度慢等问题。(2)本论文从图像检索系统的功能和性能出发,以刺绣图像为数据集,完成了刺绣图像检索系统的需求分析与设计,包括了系统平台的搭建以及系统功能模块的实现。刺绣图像检索系统采用了基于深度学习的Caffe框架和AlexNet网络模型,在图像检索的过程中,首先对刺绣图像数据集进行预处理工作,通过AlexNet网络模型对处理好的数据集进行模型训练,然后利用训练好的模型对刺绣图像进行特征提取,通过欧式距离度量图像之间的相似度距离,最后按照相似度大小进行排序,选出相似度距离最小的前K个图像输出结果以及图像信息。(3)本论文的实验中,在进行模型训练的同时,针对ALexNet网络模型提出了微调(Fine-tune)的策略,对已有模型进行改进训练的同时,通过更新部分网络层次的权值,对网络结构最后一层重新训练,将数据集重复训练以达到所需要的理想效果。为了对比效果,本论文分别采用AlexNet网络模型和微调之后的网络模型对刺绣图像进行特征提取,通过度量图像之间的相似性,最终返回根据相似性大小排序的Top K结果,即前K个图像及其图像信息。实验结果表明,使用微调策略之后的网络模型在刺绣图像检索系统中得到的结果更精准、更高效。