本发明提供了一种基于迁移学习的细胞图像检测方法，通过傅里叶叠层显微成像系统采集了细胞图像并通过频谱迭代进行融合获得大视场、高分辨率细胞图像，采用VGG和FPN网络模型构建细胞密度估计网络，对细胞图像中细胞中心位置进行标注获取细胞密度图输入训练模型，将训练好的网络模型作为骨干网络构建细胞检测网络模型，进行迁移学习，获取细胞检测图输入细胞检测网络模型中，采用RPN网络提取候选区域，通过回归器和分类器对细胞进行位置回归和分类，最终得到细胞预测结果。本发明基于迁移学习，通过迁移学习训练能够提取到相似数据集共同特征的网络模型，解决了训练样本不足的问题，同时保证了模型输出的准确性。