随着多模式数据在Web上的普及，跨媒体检索已成为研究的热点。现有的跨模式哈希方法假设存在由多模式特征共享的潜在空间，并通过线性投影将异构数据嵌入到联合抽象空间中。 。 但是，这些方法对数据的噪声很敏感，并且在现实应用中无法使用没有标签的数据和多值数据而缺少值。 为了解决这些挑战，本文提出了一种新颖的基于多模式深度学习的哈希（MDLH）算法。 特别地，MDLH采用深度神经网络将异构特征编码为紧凑的通用表示，并基于通用表示学习哈希函数。 在监督训练阶段对整个模型的参数进行了微调。 在两个标准数据集上