江 慧， 马 彪

(东华大学 旭日工商管理学院， 上海 200051)

随着大数据时代的来临，网络上有大量的服装图像，如各类时尚博主分享在社交媒体上的穿搭图像、用户随手拍的街拍穿搭以及服装时尚领域发布的流行服装搭配图像等，越来越多的用户通过各大电商网站提供的“以图搜图”功能购买相似商品，倾向于图像检索的方式实现跨场景的需求。实际场景中的服装图像更为复杂，包括很多难以用文字描述的属性特征，因此，研究合理有效的服装图像相似度的计算方法，是解决基于图像的服装个性化推荐的关键之一。

传统图像相似度的计算已经取得了较好的效果，韩旭[1]研究了商标图像的相似度计算，利用余弦相似度对待检索样本图像和验证样本图像进行相似度检索；王朝卿等[2]针对灰度直方图提取算法的局限性，提出基于特征点匹配的尺度不变特征变换(SIFT)算法，能更好地计算图像的相似度。传统的图像相似度计算大都提取的是图像整体特征，如颜色、纹理、轮廓特征等[3-4]全局特征，在普通图像相似度比较上效果显著。而服装图像细粒度分类多[5]、视觉变化大，其图像相似度计算更加依赖于服装设计元素或者裁剪方式等细节特征，而不仅仅是整体上的颜色、纹理、轮廓等全局特征，传统的图像相似度计算方法很难适用，其准确率和可解释性有待进一步提高。目前，区分不同服装类别的维度很多，如面料、颜色、款式造型、风格等[6]，其中按照服装风格比较服装相似度是消费者最常用的方法。……