本发明公开了一种基于轻量级YOLOV3的图像目标提取方法，对现有YOLOV3的主干网络结构进行改进，采用深度可分离卷积作为基本卷积块，并在深度可分离卷积之前引入一个用于升维的点卷积来加强对特征的提取能力，同时在保证同样的下采样倍数的前提下，引入残差连接，这样能大大减少了网络的参数，使得训练出的模型更易部署到低算力的嵌入式设备上。此外，本方法采用预测目标中心的方式来实现对目标的检测，相较于现有的YOLOV3，减少了网络头部所需要的参数以及复杂度，同时由于不再有大量的先验框，网络在推理的时候不需要使用非极大值抑制算法，从而能够大大增加推理的速度。