ن tackled مشكلة تحليل واسترجاع الرسومات الفنية. أولاً، نقدم DeepPatent، وهي مجموعة بيانات كبيرة جديدة لتمييز واسترجاع رسومات براءات الاختراع التصميمية. توفر هذه المجموعة أكثر من 350,000 رسمًا لبراءات اختراع تصميمية بهدف استرجاع الصور. على عكس المجموعات الموجودة مسبقًا، تقدم DeepPatent ارتباطات استرجاع دقيقة للصور داخل مجموعة الرسومات، ولا تعتمد على ارتباطات متعددة المجالات للإشراف. قمنا بتطوير نموذج أساسي للتعلم العميق يُسمى Patent-Net، مستندًا إلى أفضل الممارسات في تدريب نماذج الاسترجاع للصور الثابتة. ونُظهر أداءً متفوقًا لنموذج Patent-Net عند تدريبه على الارتباطات الدقيقة في DeepPatent مقارنةً بأساليب التعلم العميق الأخرى ووصفات الرؤية الحاسوبية التقليدية. وبإدخال هذه المجموعة الجديدة والخوارزميات المعيارية، نُظهر أن تحليل واسترجاع الرسومات الفنية يظل تحديًا مفتوحًا في مجال الرؤية الحاسوبية؛ وأن استرجاع رسومات براءات الاختراع يوفر منصة تجريبية واقعية لدفع عجلة البحث.