随着信息技术的发展、社交网络的兴起和智能终端的普及,以图像为代表的多媒体数据正在爆炸式地增长,图像识别成为了一个具有挑战性的课题,并且受到了越来越多的关注与研究。尽管现有的基于卷积神经网络（Convolution Neural Network,CNN）的方法在图像识别领域取得了不错的效果,但是这些方法大都是在单目标图像上训练的,既没有充分学习多目标图像中不同对象之间的相关性,又没有充分考虑到多目标图像之间的相似性。因此,在多目标图像识别任务中,仍然存在如下亟待解决的问题:（1）在有监督条件下,未能高效融合图像特征与标签词向量,导致多目标图像分类模型的收敛速度慢;（2）在有监督条件下,未能将图像的全局标签相关性融入到图像的视觉一致性中,限制了多目标图像分类模型性能的提升;（3）在无监督条件下,未能充分学习多目标图像之间的相似性,限制了哈希码的质量,进而也影响了图像检索的性能。针对以上问题,主要研究内容和贡献如下:（1）为了解决多目标图像分类任务中,图像特征与标签词向量融合效率低的问题,提出了一种基于跨模态特征融合的快速多目标图像分类模型F-GCN。F-GCN主要包含图像特征提取模块、标签共现关系学习模块和跨模态特征融合模块。特征提取模块和标签共现关系学习模块分别使用CNN和图卷积网络（Graph Convolution Network,GCN）来提取图像的特征和标签的共现关系;跨模态特征融合模块改进了双线性多模态因子池化（Multi-modal Factorized Bilinear pooling,MFB）组件,高效地融合了来自不同模态的图像特征和标签词向量,不仅加速了模型的收敛而且提升了模型的图像分类性能。在MS-COCO和VOC2007这两个多目标图像数据集上的实验结果表明,相比于当前最优秀的多目标图像分类方法,F-GCN的收敛速度提高了至少11倍;除此之外,F-GCN在传统的图像分类评估指标上的结果也略高于当前的方法。（2）为了将图像的全局标签相关性融入到图像的视觉特征一致性中,将GCN与类激活映射（Class Activation Mapping,CAM）机制进行结合,提出了一种基于CAM的多目标图像分类模型G-CAM。G-CAM主要由图像特征提取模块和标签共现关系学习模块组成,其中前者使用一对权值共享的CNN网络来学习原始图像和风格变换之后的图像的特征图（feature maps）与特征向量,后者使用GCN来生成包含了不同目标之间的标签共现关系的加权分类器。G-CAM创造性地利用这种加权分类器替代原始的全连接分类层,有效地保持了不同风格图像的视觉一致性。在FLICKR25K,MS-COCO和NUS-WIDE这三个多目标图像数据集上的实验结果表明,相比于当前最优秀的多目标图像分类方法,G-CAM进一步提升了模型的图像分类性能,其mAP比当前的方法高出0.8%-1%。（3）为了解决无监督图像哈希算法未能充分学习多目标图像之间的相似性的问题,提出了一种基于节点表征的无监督深度图像哈希模型NRDH。NRDH主要由节点表征学习阶段和哈希函数学习阶段构成。在第一阶段中,NRDH将每一张图像视为一个节点,创新地设计了一种基于GCN的自编码器（GCN-based Auto Encoder）,通过无监督的方式捕获节点与节点之间的关联关系并生成图像的表征信息。在第二个阶段,NRDH使用上述节点的表征信息作为监督信息来指导哈希函数的学习,并生成每一张图像的语义哈希码。在单目标的CIFAR-10数据集,以及多目标的MSCOCO和FLICKR25K数据集上的实验结果表明,NRDH在多目标图像数据集上效果更优,其m AP比当前无监督图像哈希方法高出0.5%-3%。