Gracias al éxito del aprendizaje profundo, el hashing profundo ha evolucionado recientemente como un método líder para la recuperación de imágenes a gran escala. La mayoría de los métodos de hashing existentes utilizan la última capa para extraer información semántica de la imagen de entrada. Sin embargo, estos métodos tienen deficiencias porque las características semánticas extraídas de la última capa carecen de información local, lo que podría afectar el rendimiento del sistema global. Con este fin, se propone en este estudio un Hashing de Pirámide de Características Profundas (DFPH), que puede aprovechar completamente la información visual y semántica de múltiples niveles de las imágenes. Nuestra arquitectura aplica una nueva red de pirámide de características diseñada para el hashing profundo al modelo VGG-19, de modo que el modelo pueda aprender los códigos hash de varias escalas de características y luego fusionarlos para crear los códigos hash binarios finales. Los resultados experimentales realizados en dos conjuntos de datos de recuperación de imágenes ampliamente utilizados demuestran la superioridad de nuestro método.