基于改进ShuffleNet v1的服装图像分类算法

来源：现代纺织技术杂志2023年第2期北京时间：

作者：曾华福, 杨杰, 李林红

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：针对服装图像分类模型体积较大，缺少细分类的问题，提出基于改进ShuffleNet v1的服装图像分类算法。该算法以ShuffleNet v1为基础，通过优化模块的堆叠次数和网络层通道数来降低模型的计算量，满足算法的实时性要求；嵌入通道和空间注意力模块，使得模型关注重要的特征信息，抑制无用的特征信息；设计非对称多尺度特征融合模块，加强模型的特征提取能力。结果表明：所提算法在自建的衬衫服装数据集中准确率为88.31%，分别高于ShuffleNet v1、ShuffleNet v2、MobileNet v2和ResNet50模型2.77%、3.69%、1.98%、0.62%；所提算法在DeepFashion的部分数据集中也取得了不错的效果，验证了所提算法的有效性与通用性；与基础模型相比，所提模型的参数量仅为0.73M，模型参数量减少了约60%，实现了模型准确率和推理速度的提升。

关键词：服装图像分类,ShuffleNetv1,深度学习,注意力机制,非对称多尺度特征融合

基金资助：江西省03专项及5G项目(20204ABC03A15)