5.根據權利要求4所述的方法，其中，所述匹配度模型通過如下步驟訓練得到：

獲取訓練樣本集，所述訓練樣本集中的訓練樣本包括隨機樣本服飾圖像、與隨機樣本服飾圖像可進行搭配的正樣本服飾圖像、與隨機樣本服飾圖像不可進行搭配的負樣本服飾圖像；

利用卷積神經網絡對樣本服飾圖像進行特征提取，得到樣本服飾圖像的特征向量；

對于所述訓練樣本集合中的訓練樣本，執行如下訓練步驟：

將隨機樣本服飾圖像的特征向量、正樣本服飾圖像的特征向量和負樣本服飾圖像的特征向量輸入至待訓練的匹配度模型，得到對隨機樣本服飾圖像的特征向量、正樣本服飾圖像的特征向量和負樣本服飾圖像的特征向量進行全連接后的特征值；

確定預設損失函數的損失值是否達到預設閾值，其中，所述預設損失函數用于指示訓練樣本中的隨機樣本服飾圖像的特征向量和正樣本服飾圖像的特征向量之間的歐式距離與隨機樣本服飾圖像的特征向量和負樣本服飾圖像的特征向量之間的歐式距離的差值與所得到的特征值集合中的特征值之間的差異；

響應于確定預設損失函數的損失值達到預設閾值，確定匹配度模型訓練完成；

響應于確定預設損失函數的損失值未達到預設閾值，調整待訓練的匹配度模型的參數，繼續執行所述訓練步驟。