近年来,随着计算机硬件资源的广泛提升和多媒体技术的飞速发展,目前越来越多的三维模型应用于影视制作、3D打印、游戏制作等等。三维模型的数量呈现出爆发式的增长,因此对于三维模型检索技术的研究是非常有意义和价值的。传统的基于关键字和分类的检索方法对于目前大规模三维模型检索来说,已经不能满足需求:一是很多模型难以用文字描述,二是模型数据库规模太大,即使是准确的分类查找起来也非常困难。基于草图的查询方式一方面可以降低检索者的使用门槛,另一方面可以提供比文字更多的信息。为了实现二维草图到三维模型的跨域检索,首先需要将三维模型渲染为多个视图,由于三维模型的初始状态是随机的,所以需要从多个视图中选出最优的视图用于三维模型的特征表达;另外渲染视图和手绘的非规则草图之间仍然存在很大的差异。本文深入研究基于草图的三维模型检索,提出了一个高效的检索框架,主要工作和贡献如下:(1)提出了一种基于草图的三维模型视图选择算法。首先,本文基于卷积神经网络构建并训练了一个用于草图识别的分类器。然后基于草图分类器,提出了基于概率的视图选择算法,对三维模型的视图打分并进行排序,从而得出最优视图更准确地描述三维模型的特征。(2)提出了一种基于草图的三维模型检索的深度度量学习网络。首先从草图分类器中抽取出基于卷积神经网络的特征提取模块,对草图和三维模型的视图分别提取特征。然后构建深度度量学习网络,学习草图和三维模型视图的相关性,将二者的特征映射到同一空间,提升跨域检索的性能。