近年来,由于虚拟现实技术和互联网技术的快速发展,三维模型的数量显著增长,三维模型也逐渐成为一种新型的多媒体数据类型。这使得三维模型技术在虚拟现实(Virtual Reality,VR)、医学研究、计算机辅助设计(Computer Aided Design,CAD)、3D影视动画、工业产品设计、机械制造等领域的应用越来越广泛。互联网中的三维模型数量巨大且增长速度越来越快,如何能够快速精确的从互联网中检索出需要的目标模型,节省工作时间与资源消耗已经成为许多领域的迫切需求。现今应用最广泛的检索技术是基于内容的三维模型检索,该方法通过对模型提取特征后进行模型间的相似性度量来实现检索。尽管该方法的发展时间较短,技术上也存在提升的空间,但相比于基于文字的检索方式,该方法能够排除主观影响,具有很强的客观性和准确性。本文重点研究了基于视图的三维模型检索算法,并且在前人的研究基础上提出了两种算法:基于CNN-LSTM网络的三维模型检索和基于卷积递归神经网络的三维模型检索方式。首先进行三维模型预处理,提取二维视图序列,然后将该序列送入卷积网络进行底层特征提取,随后输入LSTM神经网络或递归神经网络进行特征优化学习,经过全连接层后进行相似性度量,作为每个三维模型的概率表示,得到输出结果。本文所提出的方法在四个流行的数据集上进行了评估:NTU、PSB、ETH-80和MV-RED。选择多种评价准则,将本文算法的实验结果与经典算法进行比较,表明了本方法的有效性。