本发明公开了一种对几何变换鲁棒的图像相似性度量方法、系统及设备。本发明设计了一款基于哈特莱池化的对几何变换具有鲁棒性的图分类神经网络框架，将ResNet中的步长为2的卷积层的步长改为1，并在每一组卷积层之后接降维效果等同的哈特莱池化层。本发明利用设计的新框架训练图分类模型，将训得的图分类模型的特征层的输出作为计算图像相似性度量时的输入特征，训练浅度的图像相似度计算神经网络。本发明提供的图像相似性度量方案更加接近人类视觉判定，对几何变换的鲁棒性显著优于当前领先技术水平。