本申请公开了一种跨模态的立体视觉对象检索方法及装置，其中，方法包括：提取各个模态的深度特征，得到实例；构建模态域内动态图结构，使用动态图卷积编码实例特征和实例域内关系，得到实例域内增强特征；构建跨模态动态二分图结构，使用动态二分图卷积编码实例特征和实例跨域关系，得到实例跨域增强特征；对实例特征进行变换编码，得到实例自变换特征；融合上述特征，生成实例融合表示，进而生成类别预测分数，并使用梯度下降算法优化权重，进而使用实例融合表示间的余弦距离计算相似分数得到实例对象的相关跨模态检索数据。由此，解决了相关技术在模态间无法直接检索，跨模态检索精度、速度受限等问题。