本發(fā)明公開了強化學(xué)習(xí)及深度學(xué)習(xí)領(lǐng)域的一種基于神經(jīng)網(wǎng)絡(luò)自適應(yīng)的深度哈希圖像搜索方法，首先在數(shù)據(jù)集中對大規(guī)模圖像進(jìn)行分類標(biāo)記，然后通過定義搜索空間，利用循環(huán)神經(jīng)網(wǎng)絡(luò)抽樣得到多組卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型，隨后分別將抽樣得到的卷積神經(jīng)網(wǎng)絡(luò)在哈希損失函數(shù)的約束下訓(xùn)練并得到mAP值，然后利用傳回的mAP值，使用強化學(xué)習(xí)中的策略梯度方法同時通過反向傳播來更新循環(huán)神經(jīng)網(wǎng)絡(luò)的參數(shù)，在達(dá)到目標(biāo)迭代數(shù)目后，最后選取了最終的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，本發(fā)明解決了在大規(guī)模圖像檢索過程中，傳統(tǒng)深度哈希方法應(yīng)用圖像分類卷積神經(jīng)網(wǎng)絡(luò)而不是適應(yīng)于深度哈希任務(wù)的神經(jīng)網(wǎng)絡(luò)所導(dǎo)致的性能欠佳的問題，有效提高了神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計效率，減少了計算開銷。