商标是辨别一家公司产品或服务与其他公司不同的重要方式,是公司的重要资源。近年来,由于商标的数量日趋庞大,从海量商标中检索出感兴趣的商标已经成为一个具有挑战性的问题。现有的研究主要是通过提取查询商标特征直接进行相似度匹配获得相似的商标,该方法忽略了不同类别的商标特征存在相互干扰的问题,以及低分辨率查询商标检索效果不佳的问题,严重影响了商标检索系统的用户体验。本文针对商标检索中的上述问题,从分层检索策略和图像超分辨率重构两方面对商标检索方法进行了研究,并设计了一种基于深度学习的商标检索系统,论文主要工作与创新点如下:1.研究了分层检索策略对于商标检索的有效性,现有商标检索方法中不同类别的特征之间相互干扰比较明显,而现有检索算法无法有效地减少这种干扰,为了解决这个问题,我们提出了基于深度学习的商标分层检索方法,该方法包含粗级分类和精级检索两个阶段,通过粗级分类获取查询图像的候选类别集合和深层特征,精级检索则通过候选类别集合从图像特征库筛选出更优的检索范围并进行相似度匹配,根据相似度匹配结果进行排序。我们的方法不仅减少不同类别的特征之间的相互干扰,而且也讨论了候选类别范围对检索精度的影响。2.研究了图像超分辨率重构技术对于商标检索的有效性,针对现实生活中低分辨率的查询商标和数据集对检索精度的影响,我们提出了基于图像超分辨率重构的商标检索方法。该方法在通过图像超分辨率重建技术将低分辨率的商标构建为高分辨率商标,从而提升商标检索精度。3.设计了一个基于深度学习的商标检索系统,我们从功能及性能需求出发,对商标检索系统方案进行设计与优化,并实现及分析了系统算法模块。