In the paper, the author proposes an image feature extraction method using a convolutional neural network model for the problem of content-based image retrieval (Content-Based Image Retrieval - CBIR). The purpose of the proposal is to reduce the semantic gap between low-level features and high-level features, thereby improving the results of image querying. The DenseNet 121 network model combines transfer learning techniques that implement learning to extract features from a database and using the learned knowledge for query image feature extraction. Experimenting on the Corel dataset, the author's proposed method is compared with recently published works, evaluating its effectiveness and applicability in image retrieval systems.Trong bài báo, tác giả đề xuất phương pháp trích xuất đặc trưng hình ảnh sử dụng mô hình mạng nơ ron tích chập cho bài toán truy vấn hình ảnh dựa trên nội dung (Content-Based Image Retrieval - CBIR). Mục đích của đề xuất làm giảm khoảng cách ngữ nghĩa giữa các tính năng cấp thấp và tính năng cấp cao, từ đó cải thiện kết quả của việc truy vấn hình ảnh. Mô hình mạng DenseNet 121 kết hợp kỹ thuật học chuyển giao thực thi việc học cách trích xuất đặc trưng từ tập cơ sở dữ liệu và sử dụng kiến thức học được cho việc trích xuất đặc trưng hình ảnh truy vấn. Thực nghiệm trên tập dữ liệu Corel, phương pháp đề xuất của tác giả được so sánh với các công trình công bố gần đây, đánh giá tính hiệu quả và áp dụng được trong các hệ tìm kiếm hình ảnh.