本书在综述视频检索与描述相关研究的基础上，重点介绍了基于深度学习的多模态视频档案检索与描述关键技术及最新算法。全书共分为6章，第1-4章介绍视频检索的相关内容，重点介绍基于Transformer的多模态视频档案检索技术，以及迁移学习在视频档案检索中的应用；第5-6章介绍视频描述的相关内容，重点介绍基于端到端的多模态视频描述框架，以及基于动态记忆的视频描述方法。