近年来,随着移动互联网的迅速发展,电子商务领域也随之获得了前所未有的蓬勃生机,各种大中型电商网站纷纷应运而生。然而网上商城店铺众多并且各色商品种类繁多,鞋类图像数据呈几何式增长,但大量的鞋类图像不能被有效地利用,如何在海量的鞋类图像资源中快速、准确的检索到鞋类图像,成为亟待解决的问题。为此,本文为了解决现有的鞋类图像检索较少地利用语义属性以及检索对象局限于粗粒度导致检索精度较低的问题,提出基于部件检测和语义网络的鞋类图像检索方法研究,实现并提高鞋类图像检索准确率和精度的目标,较好地满足实际应用中的需求。首先,针对现有的鞋类图像检索方法缺少关键的语义属性或属性划分不精确以及不同部件间具有区分性的关键信息,提出一种基于部件感知和属性学习的鞋类图像检索方法。该方法首先对鞋类图像库中输入的待检鞋类图像和标注后的数据集进行部件检测,分别得到检测后的部件区域;其次,提取检测到的部件区域的4种底层特征并结合语义属性进行特征匹配;然后,通过属性学习并训练LSPC分类器,分别得到待检图像和数据集的属性值向量;最后,计算鞋类图像数据集中每个候选图像与待检图像属性值向量之间的相似度,按其高低顺序输出检索结果。然后,针对现有的鞋类图像检索方法主要针对鞋类图像的粗粒度检索及选取的特征不能有效表示不同子类类别间的细微差异,导致难以有效描述细粒度特征,提出一种部件检测和语义网络的细粒度鞋类图像检索方法。该方法首先结合标注后的鞋类图像训练集对输入的待检鞋类图像进行部件检测;然后基于部件检测后的鞋类图像以及定义的语义属性训练语义网络,以提取待检图像和训练图像的特征向量,并采用主成分分析进行降维;最后,通过对鞋类图像训练集中每个候选图像与待检图像间的特征向量进行度量学习,按其高低顺序输出检索结果。最后,针对实际应用场景和用户需求,将以上算法结合起来,设计和实现了面向鞋类产品图像的检索系统。该原型系统通过对系统需求性分析,实现对鞋图像的部件检测、特征提取、鞋图像的检索以及显示检索结果四个最主要基本的功能,系统主界面由用户操作部分、待检图像显示部分以及结果图像显示部分组成。