TensorFlow Lite Model Maker加载CSV报NoneType无label_map错误如何解决

你遇到的AttributeError: 'NoneType' object has no attribute 'label_map'错误，核心原因是object_detector.DataLoader.from_csv()没有成功加载到有效数据集，返回了空值，后续调用train_data的属性自然失败。问题完全出在CSV标注文件的格式不符合Model Maker的要求，可按以下步骤逐一排查修复：

• 检查字段名与顺序：CSV必须严格使用filename,width,height,class,xmin,ymin,xmax,ymax作为表头，拼写、大小写完全匹配，不能调整顺序，也不能额外增加其他字段。
• 检查图片路径配置：你所有图片存放在/content/路径下，CSV中filename字段必须填写完整绝对路径，比如/content/photo_001.jpg，不能仅填文件名或相对路径，Model Maker不会自动补全路径前缀。
• 检查标注坐标有效性：xmin、xmax必须小于等于图像width，ymin、ymax必须小于等于图像height，且满足xmin < xmax、ymin < ymax，所有坐标不能是空值、负值，格式必须为整数或浮点数。
• 检查类别标注有效性：class字段不能有空值，类别名称不要包含特殊符号，同类别至少要有2条以上标注数据。
• 调整数据集拆分比例：默认from_csv()会按7:2:1自动拆分训练、验证、测试集，如果你的总标注样本量过少（少于10条），会导致某一拆分数据集为空，可手动指定拆分比例，示例如下：

train_data, validation_data, test_data = object_detector.DataLoader.from_csv(
    '/content/test.csv',
    train_fraction=0.8,
    validation_fraction=0.15,
    test_fraction=0.05
)

如果样本量极小，也可临时将test_fraction设为0，避免测试集为空。

• 加载前做有效性校验：调用from_csv()后可新增一行打印代码，确认数据集是否加载成功：

print(train_data, validation_data, test_data)

如果输出中有None，说明加载失败，回到前述步骤重新检查CSV内容。

参考CSV样例 #

你可以对照修改你的标注文件：

filename,width,height,class,xmin,ymin,xmax,ymax
/content/photo_001.jpg,640,480,cat,120,80,340,360
/content/photo_002.jpg,640,480,dog,210,110,430,420

如果手动调整CSV容易出错，也可以先用LabelImg等标注工具将标注导出为PASCAL VOC格式的XML文件，再写简单脚本批量读取XML的对应字段生成符合要求的CSV，稳定性更高。

内容的提问来源于stack exchange，提问作者Matthew De La Rosa