基于深度学习的日常服饰分类与推荐系统设计

基于深度学习的日常服饰分类与推荐系统设计

项目简介

本系统是一个基于深度学习的日常服饰分类与个性化推荐 Web 系统，使用 CNN 对 Fashion-MNIST 数据集进行训练，实现服饰图像智能分类，并通过协同过滤、内容偏好和 Embedding 相似度等多种策略提供个性化商品推荐。

---

功能模块

模块	功能说明
智能分类	上传服饰图片，CNN 模型输出 Top-5 类别标签与置信度概率，并推荐同类商品
商品浏览	120 件商品目录，支持分类筛选、关键词搜索、排序（评分/销量/价格），分页浏览与详情查看
个性推荐	混合推荐引擎：协同过滤 + 品类偏好 + CNN Embedding 相似 + 热门榜单，登录后推荐更精准
用户系统	注册、登录、Session 管理、个人中心（评分统计、收藏夹、品类偏好分布）
评分收藏	1-5 星评分、收藏夹管理、浏览足迹记录
管理后台	模型训练指标、训练曲线、各类别准确率、商品统计、用户列表

---

标准版目录结构

python-deeper-study-clothes-fenlei-tuijian/
├── app.py                    # Flask 应用主入口，路由定义与 API 接口
├── requirements.txt          # Python 依赖包清单
├── backend/
│   ├── auth.py               # 用户认证、密码哈希、登录注册、权限装饰器
│   ├── config.py             # 应用配置（路径、密钥、训练超参）
│   ├── database.py           # SQLite 连接管理、建表、工具函数
│   ├── recommender.py        # 推荐引擎（协同过滤、内容偏好、Embedding 相似、热门）
│   └── services.py           # 业务服务层（商品、分类、评分、收藏、分类日志）
├── data/
│   ├── fashion_rec.db        # SQLite 数据库文件（自动生成）
│   ├── FashionMNIST/         # Fashion-MNIST 数据集（自动下载）
│   ├── models/
│   │   ├── clothing_cnn.pth  # 训练完成的 CNN 模型权重（自动生成）
│   │   └── training_metrics.json  # 训练指标记录（自动生成）
│   ├── product_images/       # 商品图片（由种子脚本从数据集导出）
│   └── uploads/              # 用户上传的分类图片
├── ml/
│   ├── labels.py             # Fashion-MNIST 类别定义与标签映射
│   ├── model.py              # CNN 模型定义（ClothingCNN）
│   ├── predict.py            # 推理服务（单张分类、Embedding 提取）
│   └── train.py              # 训练脚本（数据加载、训练循环、评估）
├── scripts/
│   ├── seed_database.py      # 数据库初始化（商品导出、用户与评分种子）
│   ├── setup_all.py          # 一键训练 + 初始化
│   └── test_api.py           # API 端到端测试
├── static/
│   ├── css/
│   │   └── style.css         # 自定义样式
│   └── js/
│       ├── api.js            # API 请求封装
│       └── app.js            # 全局工具函数与导航状态
├── templates/
│   ├── base.html             # 基础模板（导航栏、CDN 引用）
│   ├── index.html            # 首页
│   ├── classify.html         # 智能分类页
│   ├── products.html         # 商品目录页
│   ├── product_detail.html   # 商品详情页
│   ├── recommend.html        # 个性推荐页
│   ├── login.html            # 登录页
│   ├── register.html         # 注册页
│   ├── profile.html          # 个人中心页
│   ├── admin.html            # 管理后台页
│   └── about.html            # 系统设计说明页
├── 运行步骤必看/
│   └── window.md             # Windows 运行步骤说明
├── mac_run.sh                # macOS/Linux 一键启动脚本
├── window_run.bat            # Windows 一键启动脚本
├── 训练手册.md                # 模型训练手册
├── 项目说明.md                # 本文件
└── README.md                 # 项目简介

---

技术栈

类别	技术
后端	Python 3.12 + Flask 3.0
数据库	SQLite 3
前端	HTML5 + Bootstrap 5.3 + ECharts 5.5 + 原生 JavaScript
深度学习	PyTorch 2.2（CNN 图像分类）
推荐算法	协同过滤 + 内容偏好 + CNN Embedding 余弦相似
数据处理	numpy 1.26 + Pillow 10.4 + scikit-learn 1.5

---

环境要求

项目	要求
Python	3.12
操作系统	Windows / macOS / Linux
内存	建议 2GB 以上（模型训练时使用）
磁盘	约 500MB（含依赖、数据集和数据库）
浏览器	Chrome / Firefox / Safari / Edge 现代版本

---

账号信息

角色	用户名	密码
管理员	admin	admin123
普通用户	demo	demo123

管理员拥有系统管理页面访问权限，可查看模型训练指标与用户统计。新注册用户默认为普通用户角色。

---

数据来源与真实性说明

数据集来源

本系统的分类模型使用 Fashion-MNIST 数据集训练，该数据集由 Zalando Research 开源发布，是学术界广泛使用的图像分类基准数据集。

• 官方地址：https://github.com/zalandoresearch/fashion-mnist
• 许可证：MIT License
• 获取方式：通过 torchvision.datasets.FashionMNIST 自动下载，无需手动操作

商品数据生成

商品图片直接从 Fashion-MNIST 测试集样本导出（28×28 灰度图），每类选取 12 张共 120 件商品。商品价格、库存、销量等业务数据由种子脚本生成，遵循以下合理性约束：

数据项	生成规则	合理性校验
价格	按类别设定合理区间（如T恤59-199元，外套199-899元）	✅ 价格范围符合真实市场
库存	随机生成 50-300 件	✅ 合理库存量
销量	随机生成 0 ~ (库存-10)，确保销量 ≤ 库存	✅ 不会出现卖超现象
售罄率	平均约 53%，最高约 95%	✅ 符合真实服饰行业水平
评分	1-5 星，70% 正向(3-5分)，30% 负向(1-2.5分)	✅ 评分分布近似真实
评论	40% 的评分附带真实评论内容	✅ 非空模板文案
描述	按类别随机选择真实服饰描述文案	✅ 非模板化机械文本

模型训练指标

指标	数值	合理性说明
训练轮次	8 epochs	充分收敛
最佳测试准确率	90.61%	Fashion-MNIST CNN 标准水平(88-93%)
训练历史	8 条完整 epoch 记录	管理后台可绘制训练曲线
衬衫类准确率	70.6%	Fashion-MNIST 已知难点（与T恤视觉相似）

获取完整源码

• 网站：AI源码
• 本项目详情：https://www.aiyuanma.vip/posts/python-deeper-study-clothes-fashion