本申请提出了一种基于文本的图像检索方法、装置及可读存储介质，包括：获取检索文本和多个候选图像的初始图像特征；将检索文本转换为数字矩阵，根据数字矩阵提取初始文本特征，将数字矩阵与初始文本特征进行残差连接获得增强文本特征；将增强文本特征分别融合每一初始图像特征得到对应的第一特征矩阵，将初始文本特征分别融合每一初始图像特征得到对应的第二特征矩阵；将融合了相同初始图像特征的第二特征矩阵与第一特征矩阵同时输入特征交流网络得到对应的交流特征矩阵；将所有交流特征矩阵输入头部预测网络以获取目标图像。该方法使两种模态的特征进行有效信息交流和关联训练，提高模型的泛化能力，增强文本与图像之间的关联性，提交检索精度。