李 青，冀艳波，郭濠奇，刘凯旋

(1.西安工程大学服装与艺术设计学院，西安 710048；2.江西理工大学电气工程与自动化学院，江西赣州 341000)

网购作为新时代下的虚拟平台与实物交易的购物模式，打破了商品区域性，其“一键式”购物逐步被众人接受与应用。服装业呈现出个性化、多元化的发展趋势，并且结合便捷的电商平台，展现出经济蓬勃发展、效益显著提升的局面。在发达的商品化网购时代下，传统特征信息的分类效率与层出不穷的商品供应之间存在不平衡，可表现为商品量大、款式更迭快，但人工分类效率低、主观性较强等方面，导致分类速度跟不上新商品涌现的速度。而卷积神经网络CNN[1-2]技术的日益成熟，为服装行业的图像分类、款式生成、图形设计等提供了可行性方案。

近年来，随着深度学习技术的不断成熟，卷积神经网络在图像分类领域脱颖而出，在服装图像分类方面，张振焕等[3]针对目前服装分类算法在解决多类别服装分类问题时分类精度一般的问题,提出了一种基于残差的优化卷积神经网络服装分类算法；厉智等[4]针对服装图像分类精度较低的问题提出基于深度卷积神经网络的改进服装图像分类检索算法；针对L2-normalization无法跟踪全局信息问题上，Zhe等[5]研究了一种矢量分布的深度度量学习模型，通过定期更迭类中心的替代学习方法，实现了对嵌入层全局信息的捕获和类分布的近似表达；汤清云[6]提出了一种基于注意力区域特征表达的服装图像检索方法；……