超轻量级SqueezeNet：一种适用于资源受限设备的疟疾分类深度学习架构，训练参数减少高达54倍

本研究聚焦于资源受限环境中有效的疟疾检测，提出了三种超轻量级SqueezeNet1.1的变体，以解决现有架构在计算效率与准确率之间的平衡问题。研究结果表明，标准SqueezeNet1.1模型在分类准确率上表现最佳，而Variant 3在减少计算开销的情况下，几乎达到了相同的分类性能，展示了在资源限制下的灵活性。