使用TFLite Model Maker训练目标检测模型时train_data显示为0的问题

排查与解决步骤 #

1. 验证数据加载结果 #

先在训练代码前添加打印，确认training_data的实际有效样本数：

print("训练集有效样本数:", training_data.size)

如果输出为0，说明数据加载环节未读到有效样本，重点检查：

• 数据集路径是否正确：比如用from_pascal_voc()时，images_dir和annotations_dir必须指向对应文件夹
• 标注格式是否合规：PASCAL VOC的XML标注需包含完整object、bndbox标签；COCO格式的json标注要与图片文件名严格匹配
• 类别映射是否一致：model_spec的label_map要和标注中的类别名称完全对应，无匹配的样本会被直接过滤

2. 检查数据划分逻辑 #

如果是从总数据集拆分训练/验证集，确认划分比例是否合理：

• 错误示例：training_data, validation_data = total_data.split(0.0, 1.0)会把所有数据分到验证集，导致训练集为空
• 正确划分：比如training_data, validation_data = total_data.split(0.8, 0.2)，确保训练集占比大于0

3. 排查模型规格兼容性 #

• 确认model_spec对应的模型支持你的数据集类别数量，若类别数为0或与标注不匹配，会导致样本被过滤
• 检查spec.label_map的键值对是否覆盖所有标注中的类别，遗漏类别对应的样本会被排除

4. 检查数据预处理与过滤 #

• 查看数据加载时是否设置了图片尺寸过滤（比如image_resizer的参数），若所有图片都不符合尺寸要求会被过滤
• 验证图片文件是否完好：损坏的JPG/PNG会被自动跳过，批量图片损坏会导致训练集为空

快速测试方案 #

如果上述排查后仍无法解决，尝试：

• 将batch_size临时改为1，重新运行训练代码，看是否能启动
• 手动加载单张图片和对应标注，生成小型测试数据集，验证object_detector.create()是否能正常运行

内容的提问来源于stack exchange，提问作者Pritish Rastogi