随着我国经济的快速发展与人民消费水平的提升,近年来二手奢侈品市场贸易规模不断扩大,目前交易过程中的真假鉴定环节仅能依靠人力来完成,效率低、成本高且缺乏科学依据,难以满足高效、安全贸易的需求。随着人工智能技术进步,深度学习能够更有效地识别图像的深层次特征,完成图片分类的任务。因此本文基于深度学习技术对奢侈品牌GUCCI箱包内的防伪水洗标签图像进行真假自动分类,其对于通过计算机完成真伪鉴定、降低贸易风险有着实际的应用价值。水洗标签真伪差异主要体现在纹理材质以及字体印刷工艺上,因此本文首先采用经典边缘检测算法对标签进行特征提取与可用性分析。接着,设计了基于方向梯度直方图特征与支持向量机算法相结合的分类器,经过仿真和优化,分类准确率达到90.25%,但该方法容易受到复杂背景的干扰,存在结果不稳定的问题。依据VGGNet-16模型结构特点,本文设计了一种轻型的卷积神经网络LUX-CNN,用来分类小黑标的真假。最后,通过给LUX-CNN加入空间变换网络、注意力模块和替换分类器为SVM的方式实现了模型的进一步优化。实验在自建的小黑标数据集上进行,实验结果表明,深度学习模型更适用于小黑标的真假分类。通过对比实验,LUX-CNN取得了比LeNet和AlexNet更高的准确率及比VGGNet-16更短的识别时间。对于数据集中个别特征不明显,在卷积层之前或之后加入空间变化网络,使得特征得到更好的表现,识别率达到98.54%。结合注意力机制和替换分类器为SVM的优化策略,识别率最高达到99.26%。