基于Yolov3-Tiny的模型训练与目标检测，并在树莓派上部署（使用PyTorch框架）

简介：
本项目采用轻量级神经网络Yolov3-Tiny，在PyTorch框架下完成模型训练及目标检测，最终实现在资源受限的树莓派设备上的高效部署。 使用PyTorch框架训练YOLOv3-tiny模型可以让高配置电脑及笔记本轻松完成训练任务，并且能够部署到如树莓派这样的设备上进行视频实时目标检测。该模型的优点在于其快速的检测速度以及较小的模型体积，这使得它非常适合在资源有限的环境中使用和搭建，对于初学者来说非常友好。 YOLOv3是一种基于深度神经网络的目标识别与定位算法，它的最大特点就是运行速度快，适合用于需要即时响应的应用场景。而YOLOv3-tiny则是对YOLOv3的一个简化版本。它是一个适用于目标检测任务的模型，并且在保持较高精度的同时具备较快的速度和较低的计算资源需求。 相较于YOLOv4-tiny而言，尽管性能有所降低，但仍然可以实现一定的准确性要求。与其它版本相比，YOLOv3-tiny具有更快的推理速度、更小的存储占用以及更高的检测精确度，在硬件资源受限的情况下尤为适用。