胡梦莹，钟跃崎,2

(1.东华大学 纺织学院， 上海 201620； 2.东华大学 纺织面料技术教育部重点实验室， 上海 201620)

服装图像包含丰富的特征信息，以服装作为研究对象进行分类识别，并设计相关应用层出不穷，不断吸引着服装行业与计算机视觉方向研究者的注意并为此创新技术。一方面是由于电子商务行业的兴起，大量服装数据需要被合理分类和检索，另一方面是由于深度学习技术在计算机视觉方面不断实现突破。相关的研究包括服装解析与分类[1]，服装检索[2]，服装搭配推荐[3]，服装流行度预测[4]等。结合深度学习的服装风格的分类与评价工作相关记录甚少。

不同于识别一件服装的类别(毛衣，短袖，连衣裙)或其属性(颜色，图案)，服装风格是表征服装整体视觉效果的高层次概念，需要分析对比大量的特征来判断其属性。以往研究中，评定服装风格一般采用主观评价的方法，缺少主观感受与评判指标间关系的研究，因此，通过提取各类服装特征并对其进行总结类比对服装风格的量化具有重要意义[5]。

服装风格识别的关键在于服装图像的特征提取，传统的基于目标图像的颜色特征、纹理特征、形状特征、SIFT特征[6]、HOG特征[7]提取方法在这一领域并不适用。卷积神经网络具有复杂的层级结构，具有局部连接特性和权值共享特性，适用于服装图像的特征提取。利用卷积神经网络对服装图像提取对应风格的特征，有助于实现基于服装风格的分类。

本文以不同品牌的服装图像为研究对象，采用卷积神经网络提取服装图像的视觉特征的方法，将其映射到风格特征空间，实现品牌服装风格的分类识别。……