在过去的几十年中,由于电子商务平台的快速发展,互联网或移动应用程序等社交媒体上出现了大量服装数据。而由于服装的颜色、纹理、样式和类别的多样化,人们在线上购物时选择合适服装的难度将大大增加。服装属性识别作为用户描述服装特征的关键技术,将有助于解决这一问题。目前大多数方法都是先检测多件衣服,然后裁剪出衣服,并反馈到一个额外的网络进行衣服属性识别。这种两阶段的方法比较耗费时间和资源。另一方面,通过将服装检测和属性识别集成到端到端框架中,单阶段方法可以提供有效和高效的解决方案。但单阶段方法倾向于使用基于锚框的检测器,这将导致对超参数的高灵敏度和对密集锚框的高计算复杂性。此外,由于服装检测分支和属性识别分支需要不同的优化特征,因此在训练过程中也可能面临优化矛盾问题。为了解决上述问题,本文旨在开发一种新的且有效的服装属性识别方法。本文完成的主要工作内容如下:1.为了解决两阶段方法的问题和基于锚框的方法的局限性,本文开发了基于无锚检测框架的服装属性识别网络。它是一个单阶段的端到端无锚框架,包含一个额外的分支,用于联合服装检测和属性识别任务。网络中两个任务分支共享骨干网络特征,以并行的方式进行计算,大大提高了识别速率。2.为了进一步提高预测精度,本文在识别分支中引入了属性分组注意力模块。它可以自适应地将属性类型间的互斥与关联关系集成到特征学习中,其在网络中的有效性也通过大量实验进行了相应的验证。此外,在识别分支的学习过程中,本文采用了适合于多标签分类任务的损失函数,进一步提高网络学习效果。3.为了处理两个任务分支中的优化矛盾,本文提出了一个骨干特征解耦模块。它将骨干特征编码为像素级密集Query特征,并通过可变形Transformer将其解码为输出特征,分别输入服装检测和属性识别分支。这样,检测和识别分支的特征可以解耦,优化矛盾可以自然得到解决。4.最后,本文探索了服装属性文本与图像的相似度匹配问题。本文基于CLIP模型搭建了一个图文匹配网络。该网络涉及图像与文本两个模态,它将图像编码为特征向量,将文本描述编码为句向量。本文采用对比学习方法进行训练,将图像与文本映射到同一语义空间,最后将其应用到基于属性文本的服装图像检索任务中。相关实验表明,本文构建的图文匹配网络对相关属性文本具备一定匹配和判别能力。