一种基于深度学习的无监督半配对跨模态检索方法及系统

本发明公开了一种基于深度学习的无监督半配对跨模态检索方法及系统，涉及人工智能领域，用于解决标注数据依赖、非对称语义关联及高维存储效率问题。本发明结合双分支视觉编码器和动态提示文本编码器，利用门控交叉注意力实现视觉‑文本特征动态加权，抑制模态冗余干扰。通过低频语义引导生成增强策略，提升长尾词覆盖率；构建双阶段量化分层索引，采用粗粒度聚类与细粒度乘积量化压缩特征存储，支持百万级数据实时检索。退化感知增量维护机制通过KL散度阈值监测数据分布偏移，触发索引重建以保持长期更新精度。该方法突破传统强配对模型限制，实现跨模态敏感内容秒级定位，有效解决非对称语义对齐，提升检索效率。