基于Tensorflow Object Detection API的SSD-Mobilenetv2 300x300推理输入尺寸问题咨询

问题1：推理阶段支持任意尺寸输入的实现原理 #

• 首先纠正认知误区：TF Object Detection API 实现的 SSD-Mobilenetv2 没有传统需要固定输入尺寸的 FC 检测头，全部检测分支都是 1x1 卷积构成的全卷积结构，本身就支持动态尺寸输入。
• 训练阶段固定 300x300 只是为了批量训练时对齐张量维度，方便组装 batch 做并行计算，不是模型本身的硬性约束。
• TF OD API 导出模型时，会自动把动态 anchor 生成逻辑嵌入到推理图中：先验框不会写死为 300x300 输入对应的尺寸，而是根据当前输入图片输出的多层特征图的宽高，动态计算对应 scale 和比例的 anchor，保证检测逻辑适配当前输入尺寸。

问题2：相关能力的来源与预处理逻辑 #

• 首先明确：该能力不是 SavedModel 格式自带的，SavedModel 只是 TensorFlow 的标准序列化存储格式，本身不会自动添加任何运算逻辑。动态尺寸适配、自动 resize 这些能力，都是 TF OD API 在导出 SavedModel 时，主动把训练阶段的预处理 pipeline 嵌入到推理图中实现的。
• 你提到的推理前自动 resize 是确实存在的：默认导出的 SavedModel 会接收任意尺寸的 uint8 格式图片输入，自动 resize 到训练时配置的基准尺寸（也就是你设置的 300x300），resize 的插值策略和训练阶段保持一致。
• 归一化操作也会同步执行：resize 完成后会自动执行和训练阶段完全一致的归一化逻辑，比如把 0~255 的像素值映射到 [-1, 1] 或者 [0, 1] 区间（具体取决于你训练配置里的预处理设置），不需要你在推理前额外做归一化处理。
• 该能力和 AdaptivePooling 无关：TF OD API 的 SSD-Mobilenetv2 实现没有加入自适应池化层，全卷积结构+动态 anchor 生成的组合就已经可以实现动态尺寸输入的支持。

内容的提问来源于stack exchange，提问作者Shubham_bindal