El propósito de la Mejora de Imágenes de Baja Iluminación (LLIE) es mejorar la percepción o interpretabilidad de imágenes tomadas en entornos de baja iluminación. Este trabajo hereda el trabajo de Estimación de Curvas Profundas sin Referencia (Zero-DCE) y propone un modelo de mejora de imagen más efectivo, Zero-DCE Tiny. Primero, el nuevo modelo introduce la Red Parcial de Etapa Cruzada (CSPNet) en la estructura original de U-net, divide los mapas de características básicas en dos partes, y luego los vuelve a combinar a través de la estructura de conexión de fase cruzada para lograr una combinación de gradiente más rica con menos cálculos. En segundo lugar, reemplazamos todas las convoluciones separables profundas excepto la última capa con módulos Ghost, lo que hace que la red sea más ligera. Finalmente, introducimos la pérdida de consistencia de canal en la pérdida sin referencia, lo que refuerza aún más la restricción en la distribución de píxeles de la imagen mejorada y la imagen original. Los experimentos muestran que en comparación con Zero-DCE++, la red propuesta en este trabajo es más ligera y supera al método Zero-DCE++ en algunos índices importantes de evaluación de mejora de imágenes.