本发明公开了一种基于多层级表达引导注意力网络的指示表达理解方法，创新性地设计了一个新的多层级注意机制，即一个多层级表达引导注意网络(MEGA‑Net)，其中，包含了一个三个层级注意网络。该多层级注意机制在不同层级的表达式表示的指导下(语句层级、单词层级和短语层级)能够生成具有区分度的图像区域表示，从而帮助准确地确定目标区域。此外，现有方法一般采用单级的方式来匹配区域，这种方式不能对相似的物体或目标进行很好地区分。针对这个问题，本发明设计了一种两级的结构，来比较这些相似的图像区域，找出它们之间的不同，从而去匹配最优的图像区域。本发明在三个流行的数据集上进行评估，实验结果显示其性能优于其他最高水平的模型。