随着互联网上在线图像的迅速增加，各类图像库的规模呈现爆炸式地增长。一方面，人们希望获得尽可能多的图像数据；另一方面，在浩如烟海的图像数据资源中快速精准地查找需要的图像数据已经是十分艰巨的任务和难题。由于图像内容包含的对象多样且复杂，文字表达的抽象用户意图与图像表达的具体形式内容间存在语义鸿沟，传统的图像检索技术和一般的图像深度学习模型很难适用于当前大规模图像检索的需求。通过对该问题的广泛调研和深入分析，本项目主要从以下两个方面进行探索研究，并实现原型系统：1. 针对基于图像内容的大规模图像检索场景，利用深度卷积神经网络学习图像的深层特征表达以提取图像的抽象高层语义，将高维图像特征映射到低维哈希空间，同时保留图像的语义信息和图像间的排序关系，最终端到端地学习到图像的哈希索引，以实现快速准确的以图搜图。2. 针对基于文本描述的大规模图片检索场景，构造深度跨模态哈希学习框架，提取文本与图像的深层语义，将两者映射到同一语义空间，以跨越文本与图片间的语义鸿沟，最终端到端地学习到文本与图像的哈希索引，以实现快速准确的以文搜图。