经过五千年的发展,我国形成了独特且璀璨的钱币文化,古钱币作为中国历史文化的载体,具有较高的文化价值和艺术价值,古钱币每个朝代都有其独有的特征,使得学者可以通过背面图案对其进行识别。目前,针对古钱币的研究主要使用基于手工提取的局部特征、纹理特征为主,对于大规模古钱币检索应用领域存在着耗费时间和人工成本高的问题,难以有效应用于实际场景。因此本文提出了基于卷积神经网络的古钱币图像检索模型,使得模型自动学习古钱币图像语义特征并以较少的存储空间进行存储。同时,针对数据集中同一标签的古钱币图像,经过旋转后模型不能正确分类的问题,本文提出了具有旋转不变性的神经网络模型,解决了检索模型针对旋转古钱币图像鲁棒性差的问题。论文的主要工作如下:1.在古钱币图像研究领域,研究者通常使用局部特征来描述古钱币图像,需要耗费人力和时间对古钱币图像进行特征提取,在实际应用时对于一张检索的古钱币图像先进行复杂的处理再进行检索,这样显然效率不高。针对这样的问题,本文利用卷积神经网络提取古钱币图像深层特征,提高模型古钱币图像语义特征表征能力;在学习图像语义特征的同时,将其映射为紧凑的二进制哈希码,从而提高检索效率。为此,针对古钱币数据集,本文设计了基于卷积神经网络的古钱币图像检索模型。2.对于图像的旋转不变性问题,针对古钱币图像的旋转不变性方面的研究较少,并且以往对的钱币研究很少能做到保持旋转不变性的同时,又能保持识别的高效性。除此以外,在以往的钱币、古钱币研究领域,很多模型都是先对钱币、古钱币图像提取局部、纹理特征之后再使用神经网络进行识别,没有将神经网络结构作为整体设计模型。本文将神经网络作为整体结构,针对同一标签的古钱币图像经过旋转后分类精度不高的问题,设计了具有旋转不变性的神经网络模型。使得对数据集中一个经过旋转的古钱币图像,模型可以准确将其识别、分类,增加模型在遇到旋转古钱币图像的鲁棒性。图48表26参61