服装图像检索是图像检索领域中一个极为贴近日常应用的分支,其重要性随着电子商务的快速普及而日益增加。具体来说,一个服装检索系统会根据用户拍照或者上传的图片,从海量商品库里检索相同或者相似服装商品并推荐给用户。其主要难点在于作为查询的服装图像和图像库中的服装图像一般有较大的差异,包括光照、姿态、尺度大小、遮挡等。在这一非常具有挑战性的任务中,传统的基于手工设计特征的图像检索算法常常无法获得很好的效果。为此,本文应用了近年来在各种图像识别任务中获得巨大成功的深度学习技术,并根据服装识别这一特定任务设计了相应算法。本文主要完成了以下工作:1.因为深度学习可以针对新的应用从训练数据中学习得到新的有效的特征表示,本文构建了一个大型的服装数据库(包含约80万张带有商品标注的图像)来训练深度神经网络。实验证明使用目标训练集训练后的深度神经网络提取的特征可更加准确并鲁棒地表述在多种因素影响下的服装图片。2.以上述得到的表述服装普适特征的神经网络为基础,本文进一步提出了一种将服装图像的深度学习特征和颜色语义特征相结合的方式来进行服装图像检索。实验证明这种方法在服装图像检索中的准确率明显高于基于传统手工设计特征的图像检索方法。3.本文将上述算法运用到现实的应用场景中,实现了视频中同款服装的关联系统。在视频播放时,该系统会实时动态地推送视频中出现的服装商品来引导感兴趣的用户了解和购买相关商品。本文针对服装检索的实际应用,提出了具体可行的基于深度神经网络的实现方法,具有较高的实用价值和指导意义。