随着图像信息的爆炸式增长和服装品类的多元化,服装款式分类识别与相似匹配逐步成为近年来计算机视觉领域的研究热点之一。在服装款式的分类识别研究中,相同款式的服装由于外部廓形的相似性加大了分类识别的难度,取得的结果往往尚不理想;大多数相似匹配算法使用低层视觉特征度量图像之间的相似性,需要人为设置手工特征,如何提高相同款式服装的分类识别率并且跨越语义鸿沟匹配到款式相似的服装图像是关键问题。而廓形是服装的基本特征,为此,本课题以女裤款式为例,在女裤廓形的分类识别基础上进行相似匹配,并搭建了一个女裤廓形相似匹配的可视化界面。首先,根据女裤整体的外观廓形差异和电商平台商家对女裤版型的分类,本课题收集了 1525张不同廓形的女裤图像,创建了一个包括吊裆裤、直筒裤、喇叭裤、阔腿裤和小脚裤的女裤廓形样本库;其次,将卷积神经网络CaffeNet模型应用于女裤廓形的分类识别研究中,利用反向传播算法逐层更新网络的权值参数,结合预训练实验得到适用于女裤廓形分类识别的网络模型结构,包括5个卷积层、3个降采样层、3个全连接层和1个Softmax层,通过相互交替的卷积和降采样操作提取女裤廓形特征;再次,利用中值滤波对女裤图像进行预处理消除图像的噪声,通过修改网络的超参数文件微调CaffeNet模型,采用梯度下降法最小化损失函数,利用改进后的模型对不同廓形女裤进行分类识别,分类识别率达到95%以上;然后,基于离散余弦变换提取女裤图像的感知哈希特征保留女裤图像的低频信息获得整体框架,将女裤图像特征向量进行量化编码转换为二进制形式最终映射成感知哈希序列,通过计算序列间的汉明距离来度量感知哈希序列值的相似度;最后,结合Java语言搭建了一个女裤廓形相似匹配的可视化界面,前端读取女裤图像数据,后端自动提取输入的查询女裤图像与对应廓形样本库的女裤图像的感知哈希指纹,通过比对感知哈希二值序列将相似廓形女裤图像返回前端实现相似匹配。综上,本课题针对女裤廓形的分类识别研究,改进了 CaffeNet模型提出了适用于女裤廓形分类识别的方法,为服装商品的可视化分类识别提供有效途径;搭建了女裤廓形相似匹配的可视化界面实现以图搜图,可适应图像数据快速增长的需求,减少人为的工作量。