近年来,随着三维技术的不断发展,三维模型逐渐走入了大家的视线中,在传统制造业、机械自动化、自动驾驶、虚拟现实（VR）等领域扮演着重要作用。大众在检索信息时也不只依赖于传统方式,如文字、图像等,作为视觉信息的主要载体之一的三维模型也逐渐被关注。因此,如何能在大量数据中找到理想的目标模型成为了计算机视觉领域的热门课题。由于草图是人脑意识的一个直观表象,因此基于草图的三维模型检索方式既简单,又能够清晰地表达用户的具体需求。本文主要研究了基于草图的三维模型检索技术。利用交互注意力模块来优化卷积神经网络,从而提取更有效的特征。将计算得到的传统特征相似度与深度特征相似度相结合,进一步优化基于草图的三维模型检索结果。本文主要的研究内容如下:首先,提出了二阶段投影方法来提高投影视图的质量。选择预测概率最大的纬度作为最优视角,在该视角上对三维模型二次投影得到多张视图,并对每张投影视图进行预处理。研究了卷积神经网络的原理,使用混合视图集训练卷积神经网络,最后使用优化后的网络模型分别提取草图与投影视图的特征,并计算特征之间的相似性。其次,提出了交互注意力机制,对原始的卷积神经网络进行改进。使用优化后的网络分别提取草图与投影视图的特征,并计算特征之间的相似性。最后,研究了三维形状分布特征原理,并在此基础上,提出改进的二维形状分布特征。将草图与投影视图的二维形状分布特征相似度、Gist特征相似度与深度特征相似度加权融合,最后进行相似度计算。实验结果表明:相对于传统的特征提取算法与卷积神经网络特征提取算法,本文提出的多特征加权融合的方法能在一定程度上提高检索效果。