随着互联网和物联网的迅速发展,产生了海量有价值的多模态数据。如何在海量数据中快速高效地找到与之相关的多模态信息极其重要,这就使得跨模态检索具有了应用场景和研究意义。跨模态检索就是对某一模态的数据进行搜索,返回与检索数据语义相关性最大的其它模态数据。现有跨模态检索算法大多是针对非层次结构监督信息的,没有充分利用层次结构标签中丰富的监督信息,没有很好地将含有相同语义信息的多种模态数据在公共子空间中的距离最小化,没有充分地将不同语义的数据分离开来。针对这些存在的问题,本论文对跨模态图文检索开展了相关的研究,包括如下三个方面:（1）针对当前跨模态检索算法中未能充分最小化含有相同语义信息的多种模态数据在公共空间中的距离,没有充分考虑到层次结构监督信息的层间相关性,不能完全学习到复杂的层间相关信息的问题,本文提出了基于对抗式的分层监督跨模态深度哈希检索算法（Adversarial Hierarchical Supervised Deep Hashing for Cross-modal Retrieval,AHSDH）。该算法基于对抗思想,将特征提取网络作为生成器,模态区分网络作为对抗器,两者进行对抗学习,使含有相同语义的不同模态在公共空间中的距离最近。同时引入标签层内相似性损失和标签层间相关性损失来充分挖掘每一层标签存在的内在相似度和标签层间存在的相关性,从而提高了跨模态检索的准确性。（2）针对基于对抗式的分层监督跨模态深度哈希检索算法（AHSDH）使用词袋模型表示文本模态数据,忽略了文本中语义相关性的问题,本文提出了基于多尺度特征堆叠模型的分层监督跨模态深度哈希检索算法（Multiscale Feature Stacking Model-Based Hierarchical Supervised Deep Hashing for Cross-modal Retrieval,MSFSM-net）。该算法使用不同均值池化层构造的多尺度特征堆叠模型提取文本特征,充分考虑了文本模态的语义相关性。（3）针对不同语义的模态数据对检索干扰的问题,提出基于不同语义区分的分层监督跨模态深度哈希检索算法（Different Semantic Distinctions-Based Hierarchical Supervised Deep Hashing for Cross-modal Retrieval,DSD-net）。该算法为不同语义类别的同一模态和不同模态数据分别设置不同的目标函数,使得具有不同语义类别的模态数据在公共子空间中彼此远离,从而避免了不同语义类别数据对检索的干扰。