目前VR虚拟现实技术在室内设计领域获得广泛的应用。设计师通过VR全景漫游的方式向用户展示精心创作的室内设计方案。各大网站上都涌现了大量的VR全景方案以供用户选择。以传统的基于文本的检索方式难以在海量的方案中精确地找到业主需要的全景方案。本文将研究一种基于图像智能检索的VR全景方案匹配方法。使用深度学习技术,通过一张室内效果图,在海量的VR全景方案库中快速准确地匹配出相似的方案。论文的主要内容如下:（1）分析VR全景方案的特色,将VR全景方案的检索问题转化为图片内容匹配问题。针对人工特征设计难以提取图像精确完备的特征问题,本文阐述了深度学习的理论知识;分析了卷积神经网络对图像特征提取的优势,为本文提供理论基础。（2）研究一种基于卷积神经网络的效果图特征和标签自动提取方法。本文设计卷积神经网络模型并使用Dropout优化网络模型。针对Re Lu激活函数无负值的问题,引入ELU激活函数并与Re Lu组合使用,实验表明此方法加快了训练速度提升了分类准确率。针对Softmax分类器溢出问题,引入改进的Softmax分类器优化网络模型。（3）针对基于文本标签难以检索VR全景方案和基于内容检索计算量大且伴随着语义鸿沟的问题,本文研究一种以图片形式输入并结合文本和内容的快速检索算法。此方法融合了文本检索和内容检索的优势,能够解决VR全景方案难以用文字描述和高层语义相似的问题。本文设计VR全景方案数据库实现全景方案的图片化。检索过程中采用卷积神经网络自动地提取图片标签和特征信息,并引入PCA技术加快检索速度。（4）基于本文的检索算法设计并实现了一套VR全景方案匹配系统。结合模块化的设计思想将系统划分为图片输入模块、CNN网络模型模块、图像分类模块、PCA降维模块、检索算法模块、数据库模块和方案输出模块。各模块采用面向接口的编程思想独立设计,实现模块解耦。