近年来,随着电子商务的迅猛发展,服装图像数量直线上升,用户想从海量的服装图像中检索出心仪的服装也愈发困难,如何在数以万计的服装图像中准确地找出消费者想要的服装成为了亟待解决的需求。基于文本的服装图像检索需要手工标注,且具有主观色彩,文本标注也难以完整地概括图像中的所有信息,导致检索结果不尽如人意。而目前兴起的“以图搜图”服装检索技术依赖于图像内容特征来进行检索,虽然避免了人工标注的困扰,但难以突出服装局部区域中图案、花纹等细节特征,也存在部分图像信息丢失的问题,导致检索准确率不高。本文依托课题组的服装检索系统为背景,使用深度学习方法实现对服装图像的准确检索。本文的主要工作如下:（1）提出了一种基于混合注意力机制的服装图像特征提取网络。针对服装图像具有大量的语义信息和细节信息,大多数卷积网络提取的特征都是服装图像的整体特征,缺乏凸显服装局部特点特征的问题,本文提出一种基于混合注意力机制的特征提取网络CSP-Net,通过引入混合注意力机制来加强服装重要区域中的花纹、图案等局部细节特征的关注,强化特征表达。（2）对CSP-Net网络的损失函数进行了优化。在仅使用交叉熵损失函数的基础上加入三元组损失,使得网络能够加强对差异性较小的服装样本的训练,强化对细小差异图像的识别能力,提升对不同服装图像特征的辨识性。实验结果表明,加入三元组损失后的网络的查准率和召回率比仅使用交叉熵损失函数的网络高出1.9%和2.2%。（3）提出了一种基于多层特征融合的服装图像检索模型。CSP-Net在得到服装图像整体特征的基础上加强了对服装局部区域中图案、花纹等细节特征的关注,但同时也弱化了网络提取到的底层颜色、纹理和中间层款式细节等图像细节信息,存在部分图像信息丢失的问题。因此,我们进一步提出了一种基于多层特征融合的服装图像检索模型MF-CSPNet,该模型提取了CSP-Net网络的底层、中间层的图像细节信息与高层的语义信息,利用多尺度卷积核方式进行特征融合,在融合多层特征的同时提取到不同尺度大小的特征,使提取到的图像特征更加全面,实现服装图像的准确检索。实验结果表明,提出的服装图像检索模型的查准率、召回率和top-5准确率比没使用特征融合的CSP-Net分别高出2.4%、2.7%、2.8%。（4）最后,结合本文所提出的服装图像检索模型,构建了一个服装图像检索系统,该系统能够有效地处理大量的服装图片,提高了服装图像检索的智能化程度。