本发明涉及一种轻量级卷积神经网络的设计方法，属于计算机深度学习领域。该方法设计一种轻量级卷积单元，具体包括：S1：采用逐点卷积对输入特征图进行通道扩张；S2：采用深度卷积对输入特征图的通道进行分组；S3：批量标准化：对输入层和每一中间层的输入做标准化处理；S4：将输入特征图与批量标准化后的特征图进行concat拼接；S5：采用逐点卷积对输出通道进行收缩；S6：将经过步骤S5得到的特征图通过激活函数R_Hard_Swish。本发明相较于大型卷积神经网络，参数量和计算量大幅减少，在准确度性能的表现上相较于其他轻量级卷积神经网络而言效果更好。