手绘图像检索是一种通过手绘图像检索自然图像的检索技术。允许用户通过线条随心所欲地描绘头脑中想要表达的事物以作为检索输入,这是手绘图像检索最为主要的优势之一,然而手绘图像绘制过程中的主观性会带来语义模糊问题,这同样给手绘检索带来了挑战。手绘图像缺少颜色、纹理等细节信息,一般仅包含物体轮廓,因此通过整体视角进行观察,对于手绘图像语义理解至关重要。然而,本文通过调研发现,手绘图像的整体性在现有工作中并未得到广泛挖掘。鉴于深度学习强大的特征表达能力,本文以关注手绘图像整体性为出发点,通过改进神经网络结构的方式,提取更具语义判别力的特征,进一步提高手绘检索精度。本文主要内容如下:1.本文对手绘检索现有工作进行了充分调研,分析了手绘图像整体性对手绘图像语义理解的重要性,并对现有网络结构在手绘图像检索任务上的不足进行了讨论,并提出解决方法。2.为扩大卷积神经网络的感受野,本文设计了非局部网络模块,使得网络在浅层也能够挖掘特征之间的全局依赖关系,以获取更具全局性的特征表达。3.针对手绘图像稀疏性的特点,本文设计了基于可变形卷积的网络结构,打破标准卷积操作对于手绘图像的局限性,使得网络能够更关注到手绘图的轮廓信息。4.针对手绘图像所含细节信息较少的特点,本文将梯度图引入手绘检索框架作为手绘图的补充,并在此基础上设计了双分支网络结构,使网络能够获得更加鲁棒的特征表达。在公共数据集上的实验表明,本文基于非局部网络与可变形卷积的方法是可行的、有效的。