互联网大数据的发展促进了时尚服装电子商务产业的进步,在电商平台上帮助用户找到心仪的时尚服装越来越受到人们的关注。姐妹装作为一种服装类型,通过服装款式、面料和色彩来关联表达友情这一主题,在年轻人中具有很大的市场。本文在研究姐妹装服装图像检索技术的过程当中结合了传统方法和深度学习中表示服装图像特征的方法,主要工作内容如下:1、文章首先对传统特征和深度学习特征两类图像特征表示方法进行研究介绍,并且就其优缺点进行概述,在传统特征方面重点讲述了可表示服装面料和色彩的圆形LBP特征、颜色直方图特征,在深度学习方面主要介绍了卷积神经网络;2、为了保证提取出的颜色直方图特征可正确表达出服装的颜色分布特点,不受背景颜色的干扰,采用了YOLO-v3目标检测算法对图像中的服装部分进行检测,并截取出服装图像部分,有效地进行了数据预处理操作;3、从DeepFashion数据集中的costume-to-shop子集中进行了多标签图像的筛选,从中选出了用丁姐妹装款式细节特征学习的图像,这些服装图像带有包括衣长、领型、袖长、图案等四种类型的19种属性标签,利用Inception-v4网络进行多标签分类器的训练,然后用该网络提取服装特征,以此来提高姐妹装检索的准确率;4、将服装图像的传统特征和卷积神经网络特征融合在一起,为了提高检索速度,使用K-means聚类算法对服装特征进行聚类,再用欧氏距离度量类内特征间的相似度,得到最终Top10的服装检索图像;5、将以上服装检索算法应用到姐妹装检索,并创建了一个姐妹装的数据集来进行该算法有效性的验证。