商标是现代经济的产物,关系着企业的形象,文化,品牌等。统计显示,我国每年都有上百万件的商标注册申请量,且存在无效申请,给商标审查工作造成一定的压力。并且由于监管存在漏洞,使得山寨商标盛行,给企业,消费者等都带来不良影响,因此需要加强商标检索管理。本文首先分析了商标检索管理中存在的问题以及产生的原因,在此基础上提出对商标检索管理进行策略优化,特别提出改进商标检索方法,对此,本文提出了一种基于深度学习的商标检索方法,该方法首先建立一个包含85800张商标图像的商标库,然后通过深度学习实验提取特征和进行特征匹配得到最终的检索结果,实验的具体做法是先将商标库中的商标图像输入两个已经训练好的深度学习模型中分别进行特征提取,为了提高运算效率对提取的特征分别进行哈希编码,然后将不同模型所得的特征进行融合,最后通过K-means聚类获得与待检索图像相似度较高的一组图像来作为商标检索的结果。通过大量的深度学习实验和对比试验验证本文方法在检索的准确度和效率上较传统方法有了进一步的提升。接着为了验证本文提出的基于深度学习的商标检索方法的有效性,本文建立相关评价指标和评价模型,对商标注册申请的负责人进行实验和问卷调查,让他们分别采用本文提出的检索方法和商标总局官方检索方法进行了商标检索并填写问卷,然后对问卷的结果进行分析,从而本文方法的有效性得到验证。本文将计算机图像处理的方法应用于解决商标检索管理问题中。本文提出得基于深度学习的商标相似度检索方法,通过深度学习网络层层特征提取和抽象,在网络最高层输出的特征与传统的图像检索方法相比,既有包含局部信息的低层特征又有高层语义特征;通过局部感知和权值共享,减少变量的数量级,提高了检索效率;为了进一步提高商标检索的精度,应用集成学习的思想,对多个深度模型的结果进行投票得到最终检索结果,获得在检索精度和效率上均优于传统方法的新的商标检索方法。本文通过将深度学习方法应用于商标检索管理中,对当前的商标检索方法进行改进,有利于商标检索管理水平的提升,有利于商标枷锁管理中问题的解决。