本发明提供一种图文跨模态检索方法、装置、电子设备及存储介质。该方法包括：在预设图片库和预设文本库中进行样本筛选，得到图片样本和文本样本；图片样本与文本样本中包括至少同一种实体目标；对文本样本进行实体抽取，得到文本样本的实体目标；对图片样本进行分割，得到图片样本的M×N个区块；分别计算实体目标在每个区块内的权重，根据权重确定图片样本的高频实体目标；提取每个区块的文本提示信息，并将文本提示信息添加到实体目标对应的文本后；分别提取各区块和添加信息后的实体目标对应的文本的特征向量，并基于特征向量和高频实体目标进行合并。本发明能够确定实体的相对位置，进一步提高跨模态检索的准确性。