本说明书实施例提供一种针对目标图像的类别识别方法和装置，所述目标图像中包括文本，所述方法包括：识别所述目标图像中的文本内容，得到第一文本识别结果；将所述目标图像输入图像编码器，通过所述图像编码器输出所述目标图像对应的第一图像语义特征向量；将所述第一文本识别结果输入文本编码器，通过所述文本编码器输出所述第一文本识别结果对应的第一文本语义特征向量；将所述第一图像语义特征向量和所述第一文本语义特征向量输入多模融合编码器，通过所述多模融合编码器输出第一全局特征向量；根据所述第一全局特征向量，确定所述目标图像的目标类别。能够提高针对目标图像的类别识别的准确率。