金文是青铜器上的铭文,记录了商周时代的社会形态和文化生活等信息,对古文字研究者和历史研究者来说,金文具有较高的研究价值。但是按照现有方法释读金文时,金文研究者需要手动查询金文资料,释读金文的效率较低且易出错。本文研究的金文数据集采集自青铜器铭文拓片,图像中往往存在噪声多、背景复杂等问题。同时,金文数据集中各类别样本分布不均衡,存在长尾问题。针对现有金文检索方法中存在的不足以及金文样本集中存在的问题,本文进行了以下研究:（1）基于分类的金文图像检索方法:利用迁移训练的方法训练模型,解决金文样本少的问题。针对金文样本集中存在的长尾问题,定义多分类Focal Loss损失函数。检索时,利用训练好的模型对输入的金文图像先进行分类,然后进行类内检索。（2）基于特征融合的金文图像检索方法:通过对各卷积层输出的金文图像特征进行可视化分析发现,浅层卷积层输出的特征包含大量金文图像的细节,深层卷积层输出的特征包含丰富的语义信息。根据不同层卷积层输出特征的特点,进行了特征融合算法的研究。（3）基于文字区域检测与特征融合的金文图像检索方法:为了解决金文样本背景复杂、噪声多等问题,输入的金文图像在进行特征提取前,先进行文字区域检测以去除复杂的背景以及部分噪声。然后,利用卷积神经网络提取图像中金文区域的特征进行融合。为了改善提取金文特征的质量,改进Res Net-50网络结构,在网络中加入注意力模块CBAM。训练时,利用Contrastive Loss训练网络输出的特征,扩大不同类别特征之间的类间距离,缩小相同类别特征之间的类内距离。（4）金文图像检索系统:为了方便用户的使用,本文设计并实现了金文图像检索系统。该系统共包含三个核心部分:金文数据库、服务端、客户端。经实验证明:（1）基于分类的方法在金文图像识别准确率较高的时候,检索效果较好;（2）基于特征融合的方法增强了特征中信息的多样性,与基于分类的方法相比更加鲁棒,检索精度更高;（3）基于文字区域检测与特征融合的方法是对特征融合方法的改进,该方法去除了复杂的金文图像背景,取得了最高的检索精度。