基于深度可分离卷积，提出了一种适用于嵌入式平台的小型目标检测网络ＭＴＹＯＬＯ（ＭｏｂｉｌｅＮｅｔ　Ｔｉｎｙ－Ｙｏｌｏ），它将待检测的图片平均分割成多个单元格，并采用深度可分离卷积代替传统卷积，减少了参数量和计算量。采用点卷积和特征图融合的方法来提高检测精度。实验结果表明，所提ＭＴＹＯＬＯ网络模型大小为４１ＭＢ，约为Ｔｉｎｙ－Ｙｏｌｏ模型的6７％，其在ＰＡＳＣＡＬ　ＶＯＣ　２００７数据集上的检测准确率可达到５７．２５％，检测效果优于Ｔｉｎｙ－Ｙｏｌｏ模型，更适合应用于嵌入式系统。