一种基于轻量化LiteNet模型的细胞切片图像识别方法

本发明克服了现有技术中的不足，针对当前深度学习模型参数量大、训练时间长，不适用于资源受限条件下的快速识别等问题，本发明提出一种全新轻量化的深度学习模型，模型命名为LiteNet，该模型可应用于各种类型细胞的轻量化切片图像识别任务。经实验分析，本发明模型在细胞切片图像识别任务中的各项评价指标和现有模型相比，参数数量至高降低约93.37％，性能指标至高提升约20.35％，训练时间相比各项性能指标较高的ResUNet降低631s。综上所述，本发明提出的LiteNet模型设计新颖合理、准确高效，具有识别性能强、模型轻量、训练时间短等优点，在硬件算力不足条件下的细胞切片图像识别任务中表现出色。