在后互联网时代,数据变得复杂和繁多,为了满足人们对信息多样化的需求,多媒体技术成为许多学者研究的重点。在面对这些不同模态的海量数据时,实现跨媒体检索技术准确率的提高,能够使人们对事物的认识更加全面而深刻。在跨媒体检索技术中,本文重点对图像和文本间的相互检索进行研究。针对传统卷积神经网络模型的不足,耗费很多的时间和计算量,且在数据集较小的情况下不能很好地提取图像特征问题,对Inception V3模型进行改进。利用Incpetion V3在ImageNet上预训练的模型,初始化所有的权值,移除该模型的最顶部的全连接层,然后将模型剩余的层次结构看成是一个固定特征提取器,提取本文所用图像数据集的特征,把提取的特征通过softmax函数再训练一个本文的10类分类器。直接把分类器当成图像的特征提取器来进行跨媒体检索。通过迁移学习训练的Inception V3卷积神经网络模型提取图像特征命名为Inception V3_TL。针对图像文本两种模态在底层空间异构的问题,典型相关性分析与多类逻辑回归相结合方法不能很好地挖掘跨媒体数据中的复杂相关关系问题。在Inception V3_TL的基础上,通过对相关性方法改进,提出了偏最小二乘算法和多类逻辑回归相结合的PLM方法。最大限度的减少语义信息损失,提高了跨媒体检索的准确率。在维基百科数据集上的实验结果表明,本文提出的Inception V3_TL+PLM方法能够更好的挖掘跨媒体数据中的复杂相关关系,与其他研究方法相比,准确率大幅度提高。