近几年来,国内奢侈品消费屡创新高,随着奢侈品交易量的不断增大,奢侈品的真伪鉴别问题逐步成为了困扰行业发展的绊脚石。传统依靠人工鉴别专家进行人工鉴别的解决方案也随着奢侈品鉴别任务需求量的增大而显现出自身的瓶颈,人工鉴别不仅耗时耗力且成本很高。针对该问题,本文提出了一种使用深度学习技术借助奢侈品的视觉特征来完成奢侈品鉴别任务的模型,并以此模型为基础开发出用于移动端奢侈品鉴别任务的线上系统——小程序Real鉴定。本文所研究的问题为如何在移动端构建一种能够高效识别奢侈品真伪的方法,使用户能够通过手机和摄像头快速简便的完成奢侈品鉴别任务。移动端的奢侈品鉴别任务的难点在于奢侈品品类繁杂,外观多种多样,数据集构建困难,在应用过程中,用户拍摄图像数据时随意性强,图像样本质量难以统一标准,决定奢侈品真伪的视觉特征微弱,且容易受到干扰和破坏。针对以上问题,本文首先构建了一个可用于奢侈品真伪鉴别任务的数据集LGID（Luxury Goods Identification Dataset）,为深度学习技术应用于商品真伪鉴别的相关研究提供了基线。接着本文对奢侈品真伪鉴别的可行性进行了调研与论述,提出了基于视觉异常的奢侈品真伪鉴别的核心假设。随后本文又提出了一种以孪生网络（Siamese Network）为主干结合空间金字塔池化（Spatial Pyramid Pooling）的奢侈品真伪鉴别算法框架。该方法采用了的孪生网络对比学习的思想,能够在微异常下鉴别奢侈品时表现出很好的鲁棒性,最终在LV包52个样品共计21459张图片的数据集中取得了95.4%的准确率。在鉴别算法应用的过程中,针对用户拍摄奢侈品图像数据过于随意,或者图像传输过程中压缩、损坏等导致图像数据丢失真伪信息的问题,本文又构建了一种可用于判别图像数据是否模糊、分辨率过低以及是否符合真伪可鉴条件的过滤器方法。该方法中包含了图像分类模块、特殊图案检测模块以及分辨率清晰度过滤模块,为奢侈品鉴别模型的使用提供了高质量的数据样本。最后本文结合了以上提出的奢侈品鉴别方法与过滤器方法构建了可用于手机端奢侈品鉴别的线上系统小程序Real鉴定。该系统允许用户在手机端根据拍摄示例拍摄奢侈品样本的图像数据,上传到云端服务器并在云端完成奢侈品样本的鉴别,最终将样本的真伪信息反馈到用户的手机端,告知用户奢侈品样本真伪。