Estudios recientes sobre la detección de objetos submarinos han progresado con el desarrollo de métodos de aprendizaje profundo. Generalmente, el aumento en el rendimiento del modelo va acompañado de un incremento en el cálculo. Sin embargo, una fracción significativa de los vehículos submarinos operados de forma remota (ROVs) y los vehículos submarinos autónomos (AUVs) operan en entornos con recursos limitados de energía y computación, lo que hace que los modelos grandes sean inaplicables. En este artículo, proponemos un detector de objetos rápido y compacto, a saber, el detector de objetos ligero submarino (ULO), para varios productos marinos, como vieiras, estrellas de mar, equinoccios y holoturias. ULO logra resultados comparables a YOLO-v3 con menos del 7% de su computación. ULO se modifica en base a la arquitectura YOLO Nano, y se utilizan algunas arquitecturas modernas para optimizarlo, como el módulo Ghost y el diseño de cabeza desacoplada en la detección. Proponemos un módulo de preprocesamiento adaptativo para el problema de degradación de imágenes que es común en imágenes submarinas. El módulo es ligero y fácil de usar, y los experimentos de ablación verifican su efectividad. Además, se propone ULO Tiny, una versión ligera de ULO, para lograr una mayor reducción en el cálculo. Además, optimizamos las anotaciones del conjunto de datos URPC2019, y las anotaciones modificadas son más precisas en localización y clasificación. Las anotaciones refinadas están disponibles al público para uso en investigación.