SSD MobileNet训练的手语检测TFLite模型在Flutter运行时形状不匹配报错

错误根因 #

报错本质是TFLite模型输出张量的顺序和Flutter tflite插件SSD检测逻辑预设的输出顺序不匹配，插件认为第2个输出张量应该是形状为[1, 检测数, 4]的检测框，但你当前模型第2个输出是形状为[1, 10]的分类/置信度张量，所以形状校验失败。

第一步：确认模型输出张量详情 #

运行以下Python代码查看你现有TFLite模型的所有输出的顺序、名称、形状：

import tensorflow as tf

interpreter = tf.lite.Interpreter(model_path="替换为你的tflite模型文件路径")
interpreter.allocate_tensors()
output_details = interpreter.get_output_details()

for idx, out in enumerate(output_details):
    print(f"输出索引: {idx}, 名称: {out['name']}, 形状: {out['shape']}")

正常SSD模型的4个输出分别对应：

• 检测框坐标：形状为 [1, 最大检测数, 4]
• 检测类别ID：形状为 [1, 最大检测数]
• 检测置信度：形状为 [1, 最大检测数]
• 有效检测数量：形状为 [1]
  你需要先记下来这四个输出分别对应你模型的输出索引是多少。

第二步：修复方案二选一即可 #

方案1：重新导出转换TFLite模型，对齐输出顺序 #

1. 重新调用官方导出脚本导出SavedModel，确保参数正确：

python export_tflite_graph_tf2.py \
    --pipeline_config_path=替换为你的pipeline.config路径 \
    --trained_checkpoint_dir=替换为训练后的checkpoint存储路径 \
    --output_directory=替换为SavedModel输出路径

2. 转换为TFLite时指定输出顺序，和插件要求的「检测框→类别→置信度→数量」顺序对齐：

import tensorflow as tf

converter = tf.lite.TFLiteConverter.from_saved_model(
    "替换为上一步导出的SavedModel路径",
    signature_keys=['serving_default']
)
# 这里的输出数组顺序替换为你第一步查到的四个输出的对应索引，顺序为：检测框、类别、置信度、数量
converter.output_arrays = ['StatefulPartitionedCall:0', 'StatefulPartitionedCall:2', 'StatefulPartitionedCall:1', 'StatefulPartitionedCall:3']
# 开启量化和算子支持
converter.optimizations = [tf.lite.Optimize.DEFAULT]
converter.target_spec.supported_ops = [tf.lite.OpsSet.TFLITE_BUILTINS, tf.lite.OpsSet.SELECT_TF_OPS]

tflite_model = converter.convert()
with open("修正后模型.tflite", "wb") as f:
    f.write(tflite_model)

转换完成后替换项目中原有的模型文件即可。

方案2：修改Flutter tflite插件的解析逻辑，适配现有模型 #

1. 找到项目依赖中tflite插件的 TflitePlugin.java 文件，定位到 RunSSDMobileNet 类的 runTflite 方法
2. 调整方法中输出数组的赋值顺序，和你第一步查到的模型输出顺序对齐即可，比如你模型的检测框在索引1的位置，就把原来给output[0]赋值检测框的逻辑改成给output[1]赋值。

额外注意事项 #

输入模型的图像需要符合ssd_mobilenet_v2的预处理要求：

• 尺寸缩放到 640x640
• 像素值归一化到 [-1, 1] 区间

内容的提问来源于stack exchange，提问作者Sherryl Sugiono Sindarto