yolov5-6.2增加了分类训练、验证、预测和导出（所有 11 种格式），还提供了 ImageNet 预训练的 YOLOv5m-cls、ResNet（18、34、50、101) 和 EfficientNet (b0-b3) 模型.

官方Git : https://github.com/ultralytics/yolov5

分类模型与精度

---

基于Tensorrtx 实现 yolov5 cls

• 这里就不介绍如何实现了，博主写的很详细，参考博主大佬就行。 https://github.com/wang-xinyu/tensorrtx/tree/master/yolov5

• 主要阐述下实现过程中遇到的问题

  1. 转换训练后的模型去预测，发现结果是不正确的。使用长和宽比例是1:1的图片预测，结果就是正确的。 后来一番鼓捣，发现训练的前处理和 tensorrtx 的前处理方式是不一样的，所以果断修改了下训练的前处理，然后重新训练后，结果就正确了。

  2. 修改 ./utils/augmentations.py, 将 classify_transforms 方法中, CenterCrop -> LetterBox

  3. 大家可以尝试下，看看是否会遇到一样的问题. (输入的图片长宽不相等)

---

参考

• https://github.com/wang-xinyu/tensorrtx/tree/master/yolov5
• https://github.com/ultralytics/yolov5