Flutter TensorFlow Lite运行时错误：张量形状不匹配问题

错误原因 #

你遇到的张量形状不匹配问题，核心是tflite库的detectObjectOnFrame方法中指定的model: "YOLO"，其内置解析逻辑预期模型输出为[1, 20, 20, 30]这类网格结构张量，但你的自定义模型mymodel.tflite实际输出是扁平化的[1, 25200, 6]张量（25200为检测框总数，6包含坐标、置信度、类别信息），两者结构不兼容导致解析失败。

另外代码存在语法错误：plane.bytes.; 多了一个句号，应改为plane.bytes。

解决方法 #

方法一：改用自定义模型模式手动解析输出 #

将detectObjectOnFrame的model参数改为"custom"，绕过库内置的YOLO解析逻辑，手动处理模型输出的原始张量数据，这是最直接的解决方案：

Tflite.detectObjectOnFrame(
  bytesList: img.planes.map((plane) {
    return plane.bytes; // 修复语法错误
  }).toList(),
  model: widget.model == mymodel ? "custom" : "SSDMobileNet", // 切换为custom模式
  imageHeight: img.height,
  imageWidth: img.width,
  imageMean: widget.model == mymodel ? 0 : 127.5,
  imageStd: widget.model == mymodel ? 255.0 : 127.5,
  numResultsPerClass: 1,
  threshold: widget.model == mymodel ? 0.2 : 0.4,
).then((recognitions) {
  int endTime = DateTime.now().millisecondsSinceEpoch;
  print("Detection took ${endTime - startTime}");

  // 手动解析custom模式返回的原始张量
  if (widget.model == mymodel && recognitions != null) {
    // 模型输出为[1, 25200, 6]，取第一个维度下的所有检测框
    List<dynamic> boxes = recognitions[0];
    List<Map<String, dynamic>> parsedResults = [];
    
    for (var box in boxes) {
      double confidence = box[4];
      // 过滤低于阈值的结果
      if (confidence >= 0.2) {
        parsedResults.add({
          "x": box[0], // 需根据你的模型输出顺序调整，通常为x,y,w,h
          "y": box[1],
          "w": box[2],
          "h": box[3],
          "confidence": confidence,
          "detectedClass": widget.labels[0] // 单类检测直接取第一个标签
        });
      }
    }

    widget.setRecognitions(parsedResults, img.height, img.width);
  } else {
    widget.setRecognitions(recognitions!, img.height, img.width);
  }

  isDetecting = false;
});

方法二：调整模型输出适配YOLO模式 #

如果坚持使用model: "YOLO"，需要重新导出或转换tflite模型，使其输出形状符合tflite库预期的YOLO网格结构（如YOLOv3-tiny的多尺度输出）。但该方式需要修改模型训练或导出流程，复杂度较高，更推荐方法一。

内容的提问来源于stack exchange，提问作者Tanmay Shrivastava