布料是所有箱包制造企业生产产品的原材料,也是箱包材料销售档口主要出售材料。伴随互联网+的推进和提升企业的生产效率的需要,箱包制造企业迫切希望通过在设计产品时提供的布料色卡信息快速和准确从仓库中找到对应的布料材料或相似的布料材料,同样箱包材料销售档口也迫切希望根据购买者提供的布料色卡信息从仓库中取到对应的布料材料或相似的布料材料。因此,研发一套基于用户提供的布料色卡图像就能自动高效、快速和准确地从库存中检索出对应或相似的布料材料信息的系统是有应用价值的。传统的图像检索方法应用于箱包布料色卡图像检索时存在诸如检索准确率不理想的问题,尤其是检索的布料色卡图像与样本库图像存在图像分辨率或/和旋转角度不一致时,会导致检索效果很差的问题。因此找到一种更加鲁棒和高效的检索方法仍然是非常迫切的。本文致力于解决前述问题开展了基于深度学习的箱包布料色卡图像检索模型的研究,着重对AlexNet网络结构进行优化研究,并研发了基于AlexNet优化后的布料色卡图像检索系统,旨在满足用户通过所构建的模型能快速和准确地检索到所需布料色卡信息。论文的主要工作和取得的阶段性成果如下:(1)AlexNet网络结构优化。针对传统的基于文本或者内容的图像检索方法缺少学习能力、检索速度慢、对旋转和不同分辨率以及复杂背景的图像检索精度低等问题,提出了基于卷积神经网络的布料图像检索方法。为了使得该方法更加适用于布料色卡领域,将AlexNet网络与Inception结构相糅合,对原AlexNet网络结构进行参数优化与网络性能改进,使之更加适用于对不同旋转角度和不同分辨率的布料色卡图像检索。(2)基于改进AlexNet的布料色卡图像检索模型的构建。针对大规模数据集检索耗时以及内存占用较大的问题,结合(1)中改进的AlexNet模型的性能优势,设计出基于改进AlexNet的布料色卡图像检索模型。首先对待检索图像进行预分类得到其预分类标识Z,然后从特征数据库中获取出所有与该预分类标识Z相同的所有特征向量集合C,接着将待检索图像的特征向量与特征向量集合C中所有向量进行相似度匹配,最后根据相似度大小将对应图像及其种类,编号等信息返回。实验结果表明,该方法能够极大的减少检索耗时和以及内存占用的问题,对大型图像数据库检索也具有很好的实用性。(3)基于改进AlexNet的布料色卡图像检索系统的开发。根据目前箱包企业对布料色卡图像检索的实际需求,研发了基于改进AlexNet的布料色卡图像检索系统。此系统主要有客户端以及管理端两大模块构成,客户端模块包含注册登录、图像检索、检索记录查询和个人中心四个子模块构成;管理端则由用户管理、色卡管理、色卡入库、检索记录管理、模型更新五个子模块构成。