本发明提供一种基于文本的车辆图像细粒度检索系统，该系统允许用户以自然语言检索的方式来获取所需信息，相比于利用图像检索图像的方法降低了检索门槛；文本和图像间跨模态的语义匹配任务转变成了更为直接、可解释性强、简易且已研究成熟的文本间语义匹配任务；定期对近端时间的检索文本进行分析，提取兴趣词和兴趣度建立兴趣词表，并利用该兴趣词表预测用户的检索动向，为图像生成更加契合近期用户兴趣点的细粒度描述文本，实现图像描述文本库的动态更新，以此提高本方法的灵活性和检索性能；能够精确捕捉车辆各部位细粒度的特征，从而能更准确地辨识相同车型的不同车辆。