我国少数民族种类繁多,少数民族服装各式各样,服装视觉风格各异,能够将服装图像解析和检索与民族服装文化相结合,对实现少数民族服装图像数字化保护以及民族文化传承起着重要的作用。因此,本文针对缺少民族服装语义标签、局部特征繁杂等因素导致少数民族服装图像解析和检索准确率低的问题,结合视觉风格和标签约束对少数民族服装图像进行解析,对解析结果进行多任务的深度监督哈希映射实现民族服装检索,该方法能够有效提高少数民族服装图像解析和检索的准确率。首先,由于缺少完整的少数民族服装图像数据集,本文构建了一个包含55个中国少数民族的服装图像数据集,数据集中包含部分民族分支的服装图像。现有的语义标签只用于通用时尚服装,缺乏能够区分不同民族服装的语义标签,本文按照少数民族服装的基本款式结构、着装区域和配饰,定义少数民族服装的通用语义标签和民族语义标签,同时设置4组标注对,共8个标注点。其次,针对少数民族服装视觉风格各异,且少数民族服装视觉风格具有特殊性和多样性。本文构建划分少数民族服装视觉风格的概率模型,对少数民族服装图像进行视觉风格分析,最终将少数民族服装图像划分为7种民族风格,并进一步按照风格优化自定义的语义标签,解决了少数民族服装语义标签繁多的问题,能够提高后续解析的精度和准确率。然后,针对少数民族服装图像色块差异大且纹理图案等局部细节导致解析准确率低。本文结合优化后的语义标签和带有标注对的训练图像,在深度完全卷积神经网络Seg Net中加入视觉风格以融合局部特征和全局特征,并引入属性预测、风格预测和三元组损失函数对输入的待解析图像进行初步解析;通过构建的标签约束网络进一步优化初步解析结果,避免标签相互干扰,得到最终的解析结果。最后,单任务模型难以学习民族服装多样的款式,因此本文采用多任务的深度监督哈希算法学习解析结果中得到的不同服装款式,将其映射为二进制哈希码,优化损失函数,通过相似度计算实现少数民族服装图像检索。实验结果表明,该方法能够准确地实现少数民族服装图像检索。