本发明公开了一种基于元自步学习的视频/图片‑文本跨模态匹配训练方法，创新性提出了由一层全连接层组成的元自步网络，在训练主特征提取网络的同时，从验证集学习一个加权函数，从而有效避免加权函数形式选择以及超参数设定的难题。由于全连接层可以拟合任意的连续函数，包括已有的手工设计的加权函数，因此元自步网络为损失函数的可表达形式提供了极大的灵活性。元自步网络以正对和负对的相似度分数作为输入，并输出其对应的权重值。同时，采用元学习的方式来更新元自步网络，在主网络训练的同时，利用验证集的数据来更新元自步网络。本发明提出的元自步网络可以普遍应用于已有的跨模态匹配序列中，并进一步提升视频/图片‑文本跨模态检索模型的收敛速度和性能。