面向个人相册的图片批量分类小程序设计

康峻源

doi:10.12184/wspcyycx2WSP2516-415517.20261006

PDF
Export
Share
Collection
Album

Volume 10, Issue 6

Views: 0 Downloads: 0

面向个人相册的图片批量分类小程序设计
面向个人相册的图片批量分类小程序设计
辽宁工程技术大学电子与信息工程学院，辽宁葫芦岛 125105
Vol. 10, Issue 6, Pages: 71-76(2026)
Online First：29 July 2026，

Published：30 June 2026
DOI：10.12184/wspcyycx2WSP2516-415517.20261006
Accepted：

Scan QR Code

康峻源.面向个人相册的图片批量分类小程序设计[J].创意与创新,2026,10(06):71-76.

.7. results［index］ = argmax（prob） 8. running -= 1[J].Creativity and Innovation,2026,10(06):71-76.
康峻源.面向个人相册的图片批量分类小程序设计[J].创意与创新,2026,10(06):71-76. DOI： 10.12184/wspcyycx2WSP2516-415517.20261006.

.7. results［index］ = argmax（prob） 8. running -= 1[J].Creativity and Innovation,2026,10(06):71-76. DOI： 10.12184/wspcyycx2WSP2516-415517.20261006.

摘要

针对个人移动设备中相册图片数量激增、手工分类整理费时费力且易出错的问题，设计并实现了一款基于轻量级卷积神经网络的图片批量分类微信小程序。该小程序以MobileNetV2为骨干模型，在保持较高分类精度的前提下显著减小模型体积，并结合微信小程序推理引擎实现完全本地化的批量推理，有效保护用户隐私。系统提供图片多选、自动预处理、流水线批量分类及按类别自动归档等功能。实验结果表明，在自建的10类个人相册数据集上，模型Top‑1准确率达到92.5%，单张推理耗时约140 ms；批量处理50张图片时，采用流水线优化的总耗时仅为串行方式的56.4%。该方案兼顾了分类准确率与移动端运行效率，为个人相册智能管理提供了一种轻量、实用的小程序设计范式。

Abstract

关键词

Keywords

references

Sandler M, Howard A, Zhu M, et al. MobileNetV2: Inverted Residuals and Linear Bottlenecks[C]// Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2018: 4510‑4520.

Zhang X, Zhou X, Lin M, et al. ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices[C]// Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2018: 6848‑6856.

Iandola F N, Han S, Moskewicz M W, et al. SqueezeNet: AlexNet‑level accuracy with 50x fewer parameters and < 0.5MB model size[J ] . arXiv preprint arXiv: 1602.07360 , 2016.

赵志宏,杨绍普,马增强.基于卷积神经网络LeNet‑5的车牌字符识别研究[J].系统仿真学报,2010,22(3):638‑641.

李航.统计学习方法(第2版)[M].北京:清华大学出版社,2019.