基于改进ResNet的鞋类智能分类系统设计与实现
1. 项目背景与核心价值
鞋类自动分类系统在零售电商、智能仓储和生产线质检等领域有着广泛的应用前景。传统基于人工规则或简单图像处理的方法难以应对鞋款快速迭代的市场需求。这个毕业设计项目采用卷积神经网络（CNN）实现鞋类的智能化分类，不仅能作为计算机视觉的典型教学案例，更具备实际商业落地的潜力。
我在实际开发中发现，鞋类分类相比普通物体识别存在几个特殊挑战：不同品牌鞋款的细粒度差异（如运动鞋的纹路）、拍摄角度和光照条件的变化、背景干扰等。通过合理的网络结构设计和数据增强策略，我们最终实现了95%以上的测试准确率。
2. 技术方案设计
2.1 整体架构设计
项目采用经典的"数据准备-模型训练-评估优化"三阶段流程：
- 数据采集层：构建包含6大类鞋款（运动鞋、皮鞋、凉鞋等）的数据集
- 特征提取层：使用改进的ResNet34网络作为主干
- 分类输出层：全连接层+Softmax输出概率分布
关键设计选择：相比原生ResNet，我们在第一个卷积层后增加了SE注意力模块，实测可使细粒度分类准确率提升3-5%
2.2 数据集构建要点
收集了约8000张鞋类图片，主要来源：
- 电商平台商品图（正面标准角度）
- 自行拍摄的实物多角度照片
- 公开数据集补充
数据标注采用三级标签体系：
- 大类（如运动鞋）
- 子类（如篮球鞋）
- 品牌（耐克/阿迪达斯等）
# 数据目录结构示例 dataset/ ├── train/ │ ├── sneakers/ │ │ ├── nike_001.jpg │ │ └── adidas_003.jpg ├── test/ │ ├── sandals/ │ │ ├── birkenstock_005.jpg3. 核心实现细节
3.1 改进的ResNet网络
在标准ResNet34基础上进行三处关键改进：
- 输入层：将7x7卷积改为3个3x3卷积堆叠，保留感受野的同时减少参数量
- 注意力机制：在每组残差块后添加SE模块，增强通道特征权重
- 分类头：使用全局平均池化替代全连接层，防止过拟合
class SEBlock(nn.Module): def __init__(self, channel, reduction=16): super().__init__() self.avg_pool = nn.AdaptiveAvgPool2d(1) self.fc = nn.Sequential( nn.Linear(channel, channel // reduction), nn.ReLU(inplace=True), nn.Linear(channel // reduction, channel), nn.Sigmoid() ) def forward(self, x): b, c, _, _ = x.size() y = self.avg_pool(x).view(b, c) y = self.fc(y).view(b, c, 1, 1) return x * y.expand_as(x)3.2 数据增强策略
针对鞋类图像特点设计的增强方案：
- 几何变换：随机旋转（±15°）、水平翻转、透视变换
- 颜色扰动：HSV空间随机调整（Δhue=0.1, Δsat=0.2, Δval=0.2）
- 特殊处理：模拟货架反光（添加高光区域）、背景替换
实测发现适度添加运动模糊（kernel_size=3）能提升模型对手机拍摄图像的泛化能力
4. 训练优化技巧
4.1 损失函数设计
采用标签平滑的CrossEntropyLoss：
criterion = nn.CrossEntropyLoss(label_smoothing=0.1)配合Focal Loss处理类别不平衡：
class FocalLoss(nn.Module): def __init__(self, alpha=1, gamma=2): super().__init__() self.alpha = alpha self.gamma = gamma def forward(self, inputs, targets): BCE_loss = F.cross_entropy(inputs, targets, reduction='none') pt = torch.exp(-BCE_loss) loss = self.alpha * (1-pt)**self.gamma * BCE_loss return loss.mean()4.2 训练超参数配置
使用余弦退火学习率调度：
optimizer = torch.optim.AdamW(model.parameters(), lr=1e-3) scheduler = torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max=50)关键参数：
- Batch Size: 32（11GB显存）
- 初始学习率: 1e-3
- 权重衰减: 1e-4
- Epochs: 120
5. 部署与优化
5.1 模型轻量化方案
使用知识蒸馏训练学生网络：
- 教师模型：改进ResNet34（96.2%准确率）
- 学生模型：MobileNetV3-small
- 蒸馏温度: 3
- 最终学生模型达到92.7%准确率，体积缩小4倍
5.2 实际部署问题
在Flask服务化时遇到的典型问题及解决方案：
内存泄漏问题：
- 原因：未清理的GPU缓存
- 解决：添加
torch.cuda.empty_cache()
响应延迟高：
- 优化：使用ONNX Runtime替代原生PyTorch推理
- 效果：延迟从120ms降至45ms
并发处理：
- 方案：采用异步队列（Celery+Redis）
- 吞吐量：从15QPS提升到80QPS
6. 项目扩展方向
在实际应用中可以考虑以下优化：
- 多模态融合：结合商品标题文本信息提升分类准确率
- 异常检测：自动识别破损/脏污鞋款
- 细粒度属性识别：自动提取鞋底类型、鞋带样式等特征
这个项目最让我意外的是数据增强的重要性——合理的透视变换和颜色扰动，比单纯增加网络深度更能提升模型在实际场景的表现。建议后续开发者可以重点优化数据流水线的设计。