随着互联网的发展，全球各行业经济发展模式逐渐向着网络化形式转变。网络化制造的发展趋势促使中国服装产业进入行业转型，由以手工为主的生产方式逐渐转为技术化、数字化。服装产销量的大幅度增长，同时意味着服装样版数量的激增。服装样版同服装一样，如果不进行妥善的保存和管理，也是一种知识资源的流失，因此对样版管理以及再利用具有重要意义，已成为服装生产领域中一项热门研究。
　　论文对当前存在的服装样版库进行了文献研究和网络调研。调研发现服装样版库的建立普遍都是基于企业内部的样版管理，尚未进行资源共享，且存在样版的上传和检索调用不够便捷，类目划分混乱且不完整等弊端。因此提出了知识共享型服装样版图库的概念设想，确立了样版库用于行业人员交流和学习传播的构建目标，进而实现共享规范化样版文件被用于生产用途。总结发现现有知识共享平台的检索调用技术有用文字属性和图像属性两种方法，分析对比后，明确样版管理平台主要采用对样版缩略图进行图像识别的检索调用关键技术。采用图像识别的方法，旨在使样版共享者在上传样版时避免人工标注属性，而是使样版能够自动划分属性类目；样版需求者也能更快速精准地检索到目标样版。
　　通过相关课程以及课题组两种渠道收集服装样版403个来创建样本集。样本分为A、B、C三类，具备完整的款式、尺寸、可参数驱动样版等文件，其中A、B类样版经过实际样衣或虚拟试衣验证。为保证样版的有效性，对样本进行格式、内容上的规范化处理，并提取了服装样版缩略图用于后续检索调用技术的实验验证。论文提出了一种平行分类法与层次分类法相结合的多维度分类方法，参照扎根理论的方法，对服装样版的属性提取分析，创建了包含十个维度和多级属性的用于检索上传的样版属性分类体系。
　　图像识别验证实验中，由于数据集的样本量很难达到深度学习的基础要求，因此论文选取了基于ResNet V250的迁移学习卷积神经网络模型。按照穿着组合分类标准将样本分成上装、裙装和裤装，用测试好的网络模型进行识别验证。最终实验准确率为82.5%，达成了对服装样版图的初步分类，证明通过识别样版缩略图将上传共享的样版自动划分类目的方法的可行性。对服装样版共享进行平台应用验证，平台的分类体系参照论文创建的样版属性体系。将样本按照穿着组合分类标准上传到目标平台，结果显示可以成功实现对服装样版的上传共享和检索调用。
　　论文研究从服装行业面临的现实需求出发，通过样版图识别实验和样版共享平台应用实验，初步印证了服装样版进行科学管理和知识共享的可行性。现阶段由于样本量的局限对更深层次的样版图识别分类较为困难，随着后期样本量的增加，测试结果的准确率也会随之增加，对样版的属性识别也会更完善。