如何在cv2中运行TensorFlow目标检测API的ssd_resnet_50_fpn_coco网络

自行导出的frozen_inference_graph.pb计算图的首个节点不是Placeholder，因为TensorFlow 1.x目标检测API的默认导出逻辑会在计算图前端插入图像解码、归一化等预处理节点，和Model Zoo预发布的pb结构不同，触发tf_text_graph_ssd.py的固定节点位置断言。

方法一：调整导出脚本参数（优先使用） #

运行export_inference_graph.py导出冻结图时，添加参数指定输入为固定shape的image tensor，跳过预处理节点插入：

python export_inference_graph.py \
  --input_type image_tensor \
  --pipeline_config_path 你的配置文件路径.config \
  --trained_checkpoint_prefix 你的检查点前缀.ckpt \
  --output_directory 导出目录路径 \
  --input_shape "[1,640,640,3]"

用该命令导出的pb再运行tf_text_graph_ssd.py即可正常生成pbtxt文件。

方法二：修改断言逻辑（适配特殊导出场景） #

如果调整导出参数后仍报错，直接修改tf_text_graph_ssd.py的断言规则，不强制要求Placeholder节点在首个位置：
找到第235行的assert(graph_def.node[0].op == 'Placeholder')代码，替换为以下内容：

# 遍历计算图查找Placeholder输入节点
input_node = None
for node in graph_def.node:
    if node.op == 'Placeholder':
        input_node = node
        break
assert input_node is not None, "未找到有效输入节点，请检查导出的pb文件是否正确"
# 后续代码中所有引用graph_def.node[0]的位置，统一替换为input_node

• 导出pb和生成pbtxt时使用的.config文件必须和训练时的配置完全一致，不得修改输入尺寸、anchor规则、类别数量等参数
• 运行tf_text_graph_ssd.py时传入的输入路径必须是方法一导出的frozen pb文件路径

内容的提问来源于stack exchange，提问作者Kim-Erik Tang Andersen