TensorFlow训练的EAST模型用OpenCV.dnn加载失败该如何解决？

你通过east.model.save('saved_model/my_model')导出的是TensorFlow标准SavedModel格式，该格式根目录下的saved_model.pb并非OpenCV DNN模块支持的纯冻结推理图（Frozen GraphDef）。SavedModel的pb文件包含模型签名、元数据、变量引用等额外结构，和仅存储算子、权重参数的纯GraphDef格式结构不兼容，因此cv2.dnn.readNet解析时会触发GraphDef解析失败报错。

其他可能的次要诱因：

• pb文件下载/保存过程中损坏
• 传入的文件路径拼写错误、读取权限不足
• OpenCV版本过低，不支持模型用到的新算子

方案1：导出OpenCV兼容的纯冻结GraphDef文件 #

针对TensorFlow 2.x版本执行以下代码转换：

import tensorflow as tf
from tensorflow.python.framework.convert_to_constants import convert_variables_to_constants_v2

# 加载原有SavedModel
loaded_model = tf.saved_model.load('saved_model/my_model')
# 获取推理签名
infer_fn = loaded_model.signatures['serving_default']
# 将模型变量全部转换为常量，生成纯推理图
frozen_fn = convert_variables_to_constants_v2(infer_fn)
frozen_graph = frozen_fn.graph.as_graph_def()

# 保存冻结pb文件
tf.io.write_graph(
    graph_or_graph_def=frozen_graph,
    logdir='./frozen_east',
    name='east_frozen.pb',
    as_text=False
)

转换完成后调用cv2.dnn.readNet('./frozen_east/east_frozen.pb')即可正常加载。

注：加载前可通过打印frozen_graph.node的name属性，确认模型输入、输出节点名称和EAST推理需要的节点匹配。

方案2：转ONNX格式加载（兼容性更强） #

ONNX是跨框架的模型格式，OpenCV 4.x以上版本对ONNX的支持成熟度更高：

1. 安装转换工具：pip install tf2onnx
2. 执行转换命令：

python -m tf2onnx.convert --saved-model saved_model/my_model --output east.onnx

3. 加载ONNX模型：

net = cv2.dnn.readNetFromONNX('east.onnx')

方案3：直接用TensorFlow接口推理（无需转换） #

如果没有强制使用OpenCV DNN模块的需求，可直接调用TensorFlow接口加载原有SavedModel做推理，结果处理后送入Tesseract即可：

import tensorflow as tf
# 加载原模型
model = tf.saved_model.load('saved_model/my_model')
# 预处理输入图像后推理
input_tensor = tf.convert_to_tensor(preprocessed_img, dtype=tf.float32)[tf.newaxis, ...]
score_map, geo_map = model(input_tensor)

内容的提问来源于stack exchange，提问作者e.iluf