本发明公开了一种基于CBAM‑ResNet50纸币图像检索方法，包括步骤S10：收集纸币图像形成纸币图像数据集；步骤S20：使用ResNet50作为纸币图像检索的模型框架对纸币图像数据集进行特征提取；步骤S30:搭建并训练Faiss模型，将所述纸币图像数据集输入所述Faiss模型；步骤S40：在flask模型框架搭建的图像检索页面提取搜索图片的特征值，与纸币图像数据集中的所有纸币特征进行相似度排序，选出最相似的3～8张图片，匹配得到对应的纸币图像名称。通过图像的预处理、特征提取、相似度匹配等一系列操作，有效地抽取了纸币图像的特征；在ResNet50网络中引入了CBAM注意力机制，使图像检索系统在识别时可以根据输入对检索特征分配注意力权重，提高了模型识别率，缩短了检索时间。