随着互联网、大数据、人工智能等新一代信息技术的快速发展,大数据分析、跨媒体计算、群体智能、协同与优化、机器学习、类脑智能等核心理论的研究不断深入。跨模态检索作为跨媒体计算领域的重要内容和应用,也受到了越来越广泛地关注。现有的大多数跨模态检索方法都在一定程度上存在着模态特征表示能力不够强以及特征关联模型有待进一步改进的问题。本文针对这些问题,提出了基于对抗网络的图文模态特征关联方法(FCMAN)。该方法首先对图像模态的特征表示能力进行增强,通过融合图像模态的不同特征以增强图像模态的特征表示能力。其次,在利用一个对抗网络进行特征关联建模的基础上引入了两个新的对抗网络,引入的两个对抗网络的作用分别是对图文两种模态的真实标签和投影特征的预测标签进行建模,从而通过多个对抗网络组合的图文模态特征关联模型,进一步学习图文模态的特征相关性。同时,为了检验FCMAN的性能并直观地展示检索效果,设计并实现了一个图文跨模态检索系统。利用该系统,用户可以输入图文任一模态的数据进行检索。在初次检索的基础上,通过融合相关反馈技术,使得检索的准确率得到进一步提高。实验分析和应用结果表明,本文提出的FCMAN能够更有效地学习图文模态的特征相关性,从而提高图文跨模态检索的准确率。在此基础上,结合相关反馈技术的图文跨模态检索系统进一步展示了FCMAN的有效性。本文的研究为跨模态检索技术的应用模式提供了新的思路和借鉴,具有比较强的理论价值和应用前景。