为了弥合传统服装行业与新兴科学技术之间的差距,令普通消费者、服装行业专家以及机器智能三者之间能够规范高效地进行沟通,让消费者享受到更加便捷精准的网购服务,使服装电子商务迎来更加广阔的发展空间,本文结合深度学习知识与女装搭配技巧,研究了女装图像的属性特征识别与分类,最终基于温度与场合规则为人们的穿衣搭配提供建议。女装属性是一个复杂的知识体系,本文由浅入深,首先分别使用自设计的简易CNN网络和经典的VGG16模型对女装图像的宏观属性类目进行多类分类,识别了女装类目中的吊带/背心、衬衫、西服、裤子、裙子和连身装,两模型均取得了较好的识别效果。其中VGG16模型的识别效果略优于简易CNN网络,但模型复杂度显著增加。其次采用联合训练的方式,基于inception-v4模型和inception-resnet-v2模型研究了女装属性的多任务分类问题,识别了女装图像关于部位长度和领部设计等细节特征,基于深度学习用机器的语言更加全面地描述了女装图像。其中Inception-v4模型在训练和预测过程中均取得了较好的成绩,且部位长度的准确率优于领部设计的准确率。本文在服装领域专家指导下梳理了一套女装属性基于温度与场合的映射规则,结合机器识别的属性标签与人工添加的材质、廓形等标签,利用多层感知器模型完成了女装属性适配温度与场合的多标签分类问题。最终通过交互界面挑选展示了基于温度与场合的搭配推荐,搭配结果满足温度与场合的基本需求,且达到了美观时尚的效果,实现了时尚领域中人与机器的有效沟通。