GoCV加载TensorFlow自定义ResNet模型触发OpenCV断言失败报错

你遇到的报错和逻辑不生效是三个核心问题导致的：

• 模型路径格式不兼容：gocv.ReadNetFromTensorflow 接口仅支持读取TensorFlow冻结后的单文件.pb模型，你传入的是TensorFlow Serving使用的SavedModel版本目录（路径下是saved_model.pb加分离的variables权重文件夹结构），OpenCV无法从目录中读取有效模型权重，因此抛出netBinSize || netTxtSize的断言错误。另外你代码里的路径存在拼写错误：deeplearing应为deeplearning。
• 调用逻辑完全不匹配：你写的GoCV代码是直接加载本地模型做离线推理，和你部署的tensorflow_model_server服务没有任何关联；而你能跑通的Python代码是通过HTTP请求调用TF Serving的REST接口，两套调用路径完全不同。
• 预处理和节点配置错误：就算模型能正常加载，你现有代码的预处理逻辑和节点名也不对：没有做像素值除以255的归一化、没有做BGR到RGB的通道转换、输出节点写的是1000类的softmax，但你自己的模型只有2个输出节点，结果必然错误。

根据你的实际需求二选一即可：

方案1：复用现有TF Serving服务，Go侧发HTTP请求调用（推荐，和Python逻辑完全对齐） #

这个方案不需要做模型转换，也不会遇到OpenCV算子兼容问题，直接对齐你已经验证通过的Python逻辑即可：

• 不需要使用GoCV的DNN模型加载接口，直接用Go标准库net/http向本地8501端口的TF Serving接口发POST请求即可。
• 图片预处理严格对齐Python逻辑：
  • 用gocv.IMRead读入图片后，调用gocv.CvtColor将默认BGR格式转成RGB格式
  • resize到256x256分辨率
  • 将像素值除以255做归一化，转换为32位浮点数格式
  • 扩展出batch维度，组装成[1,256,256,3]的数组结构
• 按照TF Serving要求的格式构造请求体，传入serving_default签名和处理后的图片数组，发送请求后解析返回的predictions字段就能得到分类结果。

核心预处理代码参考：

img := gocv.IMRead("./1.jpg", gocv.IMReadColor)
if img.Empty() {
    log.Panic("图片读取失败")
}
// 转RGB
gocv.CvtColor(img, &img, gocv.ColorBGRToRGB)
// resize到目标尺寸
gocv.Resize(img, &img, image.Pt(256, 256), 0, 0, gocv.InterpolationLinear)
// 归一化到0-1区间
img.ConvertTo(&img, gocv.MatTypeCV32F, 1.0/255, 0)

方案2：不依赖TF Serving，直接用GoCV加载本地模型离线推理 #

如果不需要服务化部署，只想本地加载模型跑推理，按以下步骤调整：

1. 先将现有SavedModel格式的模型导出为冻结的单文件.pb模型：将所有权重合并到同一个pb文件中，明确记录模型的输入节点名、输出节点名，不能保留分离的variables权重目录。
2. 修正代码中的模型路径，指向导出的冻结pb文件，注意修正路径的拼写错误。
3. 调整预处理和节点配置：
   • 调用BlobFromImage时将scale参数设为1.0/255，对应归一化逻辑，swapRB参数设为true完成BGR到RGB的通道转换
   • 将SetInput、Forward里的节点名替换为你自定义模型实际的输入、输出节点名，不要用通用ResNet的input/softmax节点名，也不要按1000类的维度reshape输出矩阵，你的模型只有2个输出节点，对应调整reshape参数即可。

注意：OpenCV DNN模块对TensorFlow算子的支持覆盖有限，如果你新增的自定义层包含OpenCV未实现的算子，就算完成模型转换也会加载失败，这种情况优先选择方案1。

内容的提问来源于stack exchange，提问作者blnks