基于改进MobileNet v2的服装图像分类算法

来源：现代纺织技术杂志2024年第4期北京时间：

作者：李林红, 杨 杰, 蒋严宣, 朱 浩

单位：江西理工大学, a.电气工程与自动化学院；b.江西省磁悬浮技术重点实验室，江西赣州 341000

摘要：针对现有服装图像分类算法参数量较多，识别精度低的问题，提出一种基于注意力机制和迁移学习的改进型MobileNet v2算法。首先，选取MobileNet v2作为特征提取网络，确保服装分类算法的整体轻量性。其次，将通道与空间注意力机制嵌入特征提取单元，自适应地选择和强化有用的特征信息，从而提高服装图像分类算法的识别精度。最后，通过迁移学习方法对模型进行参数初始化，使得模型能够从源域中获得先验知识。在Fashion MNIST数据集上的实验结果表明：所提算法的分类精度为93.28%，相较于Resnet50、Efficientnetv2_l、Shufflenet v2和Mobilenet v2等模型，分别提高了1.73%、1.22%、3.74%和3.05%；在DeepFashion数据集上的准确率为88.24%。此外，该算法参数量低至2.35M，单张图像推理速度仅为7.5ms，在参数量基本不变的的情况下提升了分类精度与推理速度。

关键词： ,服装分类,MobileNetV2,深度学习,注意力机制,迁移学习