近年来,随着公共安全需求的增加,视频监控技术得到了广泛的应用,产生了海量的视频监控数据,然而从如此大规模的视频数据中搜索犯罪嫌疑人十分困难,因此能够从视频监控中自动搜索寻找行人的算法具有重要的研究价值和意义。基于文本的行人重识别作为解决该问题的有效方法,在视频监控、电话报警、嫌疑人查找等领域具有非常大的应用价值。基于文本的行人重识别需要克服模态异质性,即文本和图像信息之间巨大的差异性。随着卷积神经网络的不断成熟,这个方向得到了快速发展。本课题以卷积神经网络为核心展开以下两项研究内容,具体研究内容如下:（1）基于聚合压缩激励转换的密集连接内部稀疏卷积神经网络针对密集连接卷积神经网络中存在的问题,本文构建了一种高效的轻量级卷积神经网络,基于聚合压缩激励转换的密集连接内部稀疏卷积神经网络（Densely connected and Inter-Sparse convolutional Networks with aggregated Squeeze-and-Excitation transformations,Denis Net-SE）。该网络同时采用密集连接和分组卷积结构,加强了特征重用和转换的基数,同时减少了模型的规模。通过进一步引入压缩激励（SE）和残差压缩激励（SERE）模块,构建通道级别的注意力机制进行特征选择,提高网络的性能。3个图像分类的基准数据集（CIFAR-10,CIFAR-100,Image Net）上的大量实验表明了该轻量级网络的良好性能。（2）基于最大门控模块的双通道卷积神经网络为了解决基于文本的行人重识别中的模态异质性问题,本文构建了一种基于最大门控模块的双通道卷积神经网络（Dual-path CNN with Max Gated block,DCMG）。该网络结构基于两个深度残差卷积神经网络,结合跨模态投影匹配损失和跨模态投影分类损失进行联合训练优化,将两种模态同时编码到一个联合特征空间中。将预训练的语言模型BERT和残差卷积神经网络相结合,获取更具判别性的词嵌入。最大池化层（Global Max Pooling,GMP）使得文本和视觉特征更加关注于局部显著区域。进一步提出最大门控模块,产生注意力图抑制最大池化特征中的噪声。最后,在基准数据集（CUHK-PEDES）上进行了大量的实验,结果优于最先进的方法。在另外2个图文匹配的基准数据集（Flickr30K,Oxford-102 Flowers）上也验证了我们的方法,并获得了具有竞争力的性能。