为了提高服饰图像的智能分类效率和分类准确性，提出一种基于EfficientNet模型改进的服饰分类模型。该模型基于卷积神经网络构建，将EfficientNet-B0模型和EfficientNet-B1模型与SE模块相结合，对卷积神经网络的结构和激活函数进行改进，以提升其特征提取和表达能力。结果显示，改进后的模型不会引入大量参数，且改进后整体上模型在服饰数据集UT-zappos50K和Fashion-MNIST数据集上的分类准确率相较于VGG16、Swin Transformer等经典卷积神经网络模型最多提高了2.65%。这表明该改进方式能够有效提高服饰图像分类模型的性能。