随着生活的不断提高,穿暖已经远远不能满足大众的要求,如何穿出合适的搭配以及在不同场景下如何进行穿搭已经成为目前大众追求的目标。随着现代服装行业的发展,庞大的服装产品数量使得消费者很难选出合适的搭配,而传统的搭配方法大多为线上专家推荐或者服装搭配库给出推荐。由于服装图像的特殊性,服装款式和风格很难被考虑到。而人工智能的发展给服装搭配提供了很好地思路和方法,卷积神经网络可以更好的提取服装的款式风格以及更多不被人明显察觉的特征,可以更好的做出搭配推荐。服装智能搭配作为新兴产业,有重大的研究意义,传相比于传统的服装搭配,本文针对服装款式和风格的多样性和复杂性,提出了基于Siamese和深度哈希的服装搭配方法,使用深度卷机网络进行服装图像的处理,将服装图像向量化进行搭配,在搭配上尽可能的根据提取出的服装图像语义特征给出推荐,论文主要对服装图像的识别和分割,服装特征的提取以及服装的上下装搭配进行了研究。首先,在Deep Fashion2训练集上训练一个Mask-RCNN网络进行服装的识别与分割;然后将处理好的上下装图像输入进Siamese网络中,上下装分别使用Res Net进行服装的特征提取,其中特征包括颜色、风格和服装姿态等;之后将提取的特征向量化,通过哈希层进行处理,产生服装的哈希码;最后通过计算上下装的汉明距离,采用查询扩展的方法完成服装的搭配。模型采用基于Siamese网络结构的训练方法,使哈希码尽可能的保留服装图像的语义信息。在上述的模型基础上,使用自建的街拍-秀场数据集进行验证,实验表明,本文方法在哈希长度为16时,上下装的搭配可以有更好的准确率,提高了服装搭配的准确性,适用于日常的服装搭配。