TF2训练的Tflite模型在iOS应用中可运行但无法检测目标求助

我用TF2 Object Detection API基于ssd_mobilenet_v2_fpnlite_640x640预训练模型训练了自定义目标检测模型，过程中参考了TF2 Object Detection API官方文档、Running TF2 Detection API Models on mobile、Converter Python API guide以及Edge TF Lite iOS tutorial。目前遇到的核心问题是：

• 训练后的模型在Python环境中预测完全正常，能准确识别自定义目标
• 导出为中间SavedModel后转换的TFLite模型，能在TF Lite官方iOS示例应用中正常加载运行，但完全检测不到训练时指定的自定义目标

我尝试了多种导出和转换方式都没能解决问题，已经卡了好几天，希望能得到技术帮助。

训练与SavedModel导出流程 #

训练命令 #

python3 model_main_tf2.py \
 --pipeline_config_path={pipeline_path}\
 --model_dir={output_model_dir} \
 --alsologtostderr

导出SavedModel命令 #

python export_tflite_graph_tf2.py \
 --pipeline_config_path {pipeline_path} \
 --trained_checkpoint_dir {output_model_dir} \
 --output_directory {exported_models_dir}

TFLite转换的几种尝试方式 #

1. TF2 Python API原生转换 #

converter = tf.lite.TFLiteConverter.from_saved_model(export_dir)
tflite_model = converter.convert()

2. TF1兼容模式量化转换 #

converter = tf.compat.v1.lite.TFLiteConverter.from_saved_model(export_dir)
converter.inference_type = tf.compat.v1.lite.constants.QUANTIZED_UINT8
input_arrays = converter.get_input_arrays()
converter.quantized_input_stats = {input_arrays[0] : (0., 1.)} # mean_value, std_dev
tflite_model = converter.convert()

3. 命令行量化转换 #

tflite_convert \
 --saved_model_dir={saved_model} \
 --output_file={output_dir} \
 --output_format=TFLITE \
 --input_shapes=1,640,640,3 \
 --input_arrays='normalized_input_image_tensor' \
 --output_arrays='TFLite_Detection_PostProcess','TFLite_Detection_PostProcess:1','TFLite_Detection_PostProcess:2','TFLite_Detection_PostProcess:3' \
 --inference_type=QUANTIZED_UINT8 \
 --mean_values=128 \
 --std_dev_values=127 \
 --change_concat_input_ranges=false \
 --allow_custom_ops

注意：这个命令生成的TFLite模型只有500字节，用Neutron查看发现内容异常，显然不符合正常模型的大小。

iOS端的参数调整 #

我在iOS示例应用中调整了模型相关参数，确保和训练/转换时的设置一致：

// MARK: Model parameters
let batchSize = 1
let inputChannels = 3
let inputWidth = 640
let inputHeight = 640
// image mean and std for floating model, should be consistent with parameters used in model training
let imageMean: Float = 128
let imageStd: Float = 127

额外排查动作 #

我还尝试更换了其他SSD Mobilenet系列的预训练模型重新训练转换，结果都是一样：模型能正常加载运行，但完全检测不到自定义目标。

请问各位大佬，可能是什么原因导致转换后的TFLite模型无法检测自定义目标？那个500字节的异常模型又是哪里出了问题？麻烦指点排查方向或者解决方案，谢谢！

内容的提问来源于stack exchange，提问作者Juan Alejandro Galvis