1、隨著互聯網的高速發(fā)展，圖像數據頻繁地出現在人們的生活中，并且在數量上發(fā)生了大規(guī)模的增長。圖像語義分析研究一直是計算機視覺領域的研究熱點，能夠幫助人們有效地組織和管理圖像數據。許多研究者提出了各種圖像底層特征的學習方法，但是圖像底層視覺特征和高層語義之間的“語義鴻溝”問題仍有待進一步解決。
　　深度學習是近年來計算機視覺領域的新興研究熱點，通過探索先進的深度神經網絡學習圖像特征的優(yōu)化表達，并成功應用于圖像數據的檢索。因此，本文提出了

2、一種基于深度神經網絡結構優(yōu)化的圖像檢索算法，該算法采用深度神經網絡中的卷積神經網絡模型。本文方法主要分為三個步驟:首先，對圖像數據集進行預處理，使其尺寸大小一樣，有利于卷積神經網絡模型的輸入。其次，在訓練卷積神經網絡模型的過程中，對其網絡結構進行優(yōu)化，提高卷積神經網絡的收斂速度，減少卷積神經網絡模型的參數，同時利用訓練好的卷積神經模型對圖像數據集進行圖像特征的提取。最后，使用提取的特征結合相應的相似性度量算法，得到最終的檢索結果。