杨争妍， 薛文良， 张传雄， 丁 亦 ， 马颜雪

(1. 东华大学 纺织学院， 上海 201620； 2. 纺织工业科学技术发展中心， 北京 100020)

在信息化时代，科技发展日新月异，人工智能突飞猛进，越来越多算法的出现使得机器行为更加智能化，能够胜任大量机械性工作，并且可以通过大数据的学习表现出比人类更优质的决策性。随着越来越多的企业朝智能化方向发展，纺织时尚领域也在不断摸索如何将人工智能完美融入用户生活。

随着人们物质生活的提高，销售模式的改变，用户购买服装频率增加，出现盲目购买现象，造成了衣柜服装溢出和服装堆积等问题。许多团队在研究“智能衣柜”以使服装管理智能化，各团队之间模块设计和使用算法不同，实现效果也各有差异。例如基于iOS(苹果公司移动设备专有操作系统)模块设计智能衣柜管理系统[1]，使用Polyvore网站的数据集进行智能搭配设计[2]，使用协同过滤算法设计智能衣物搭配系统[3]。除算法理论外，还有实际应用案例，阿里巴巴基于50多万服装搭配达人的搭配方案开设了FashionAI时尚零售概念店。

本文通过对以上智能服装推荐系统及应用的调研发现，目前存在的推荐模式多为通过将服装搭配中的下装与下装库内下装进行相似度计算，从而进行推荐，智能化程度低，对使用场景有限制，在日常生活场景中实用性不高。

基于以上原因，本文提出一种新的下装推荐思路：依据图像，通过深度学习模型探索搭配的潜在规则，如颜色、款式、风格等;利用模型预测并生成虚拟下装;然后通过相似度匹配算法将虚拟下装与真实下装进行匹配，依托用户私人衣柜完成推荐过程。……