现如今网络上的服装图像数量增长迅猛,对于大量服装图像实现智能分类的需求日益增加。论文将基于区域的全卷积网络R-FCN(Region-based fully convolutional networks)引入到服装图像识别中,针对服装图像分类中网络训练时间长、形变服装图像识别率低的问题,提出一种新颖的改进框架HSR-FCN。新框架将R-FCN中的区域建议网络和HyperNet网络相融合,改变图片特征学习方式,使得HSR-FCN网络可以在更短的训练时间内达到更高的准确率,在模型中引入了空间转换网络,对输入服装图像和特征图进行了空间变换及对齐,加强了对多角度服装和形变服装的特征学习。实验结果表明:改进后的HSR-FCN网络模型有效的加强了对形变服装图像的学习情况,且在训练时间更短的情况下,比原来的网络模型R-FCN平均准确率提高了大约三个百分点,达到96.69%。