Como una de las técnicas importantes para proteger los derechos de autor de imágenes digitales, la detección de copias de imágenes basada en contenido ha atraído mucha atención en las últimas décadas. Los métodos tradicionales de detección de copias basados en contenido suelen extraer características locales hechas a mano y luego cuantificar estas características en palabras visuales mediante el modelo de bolsa de palabras visuales (BOW) para construir un archivo de índice invertido para una rápida coincidencia de imágenes. Recientemente, se ha demostrado que las características de aprendizaje profundo, como las características derivadas de redes neuronales convolucionales (CNN), superan a las características hechas a mano en muchas aplicaciones de visión por computadora. Sin embargo, no es factible aplicar directamente las características globales de CNN existentes para la detección de copias, ya que suelen ser sensibles a ataques de contenido parcialmente descartado, como el recorte y la oclusión. Por lo tanto, proponemos un método de detección de copias de imágenes basado en características locales de CNN con incrustación de hash contextual. Primero extraemos las características locales de CNN de las imágenes y luego las cuantificamos en palabras visuales para construir un archivo de índice. Luego, como el proceso de cuantificación de BOW disminuye la discriminabilidad de estas características en cierta medida, se captura una secuencia de hash contextual de una región relativamente grande que rodea cada característica de CNN y luego se incrusta en el archivo de índice para mejorar la discriminabilidad de la característica. Los extensos resultados experimentales demuestran que el método propuesto logra un rendimiento superior en comparación con los trabajos relacionados en la tarea de detección de copias.