TensorFlow 2 SSD FPN系列模型Android端运行输出张量维度不匹配问题

该错误是因为自行转换的TFLite模型输出缺失首维batch维度，安卓端TensorFlow Lite ObjectDetector任务库要求0号输出张量（检测框坐标）维度为[1, 检测框数量, 4]，而你转换得到的模型输出维度为[检测框数量, 4]，维度不匹配导致初始化失败。
这一问题是TensorFlow 2.6及以上版本Object Detection API的默认导出逻辑导致的，导出时会默认压缩掉batch维度，和移动端任务库的输入输出要求不兼容。

• 重新导出SavedModel时添加配置参数
  执行官方的exporter_main_v2.py导出脚本时，额外添加--use_regular_nms=true参数，同时固定输入shape的首维为1，示例命令如下：

  python exporter_main_v2.py \
    --input_type=float_image \
    --pipeline_config_path=你的pipeline配置文件路径 \
    --trained_checkpoint_dir=训练checkpoint存储路径 \
    --output_directory=SavedModel导出路径 \
    --use_regular_nms=true \
    --input_shape=1,640,640,3
  

  如果你用的是1024*1024输入的模型，对应修改input_shape里的分辨率参数即可。
• TFLite转换时添加强制维度配置
  转换脚本中添加以下配置，禁止压缩batch维度：

  import tensorflow as tf
  
  saved_model_dir = "你的SavedModel路径"
  converter = tf.lite.TFLiteConverter.from_saved_model(saved_model_dir)
  # 开启默认优化
  converter.optimizations = [tf.lite.Optimize.DEFAULT]
  # 指定支持的算子集
  converter.target_spec.supported_ops = [tf.lite.OpsSet.TFLITE_BUILTINS, tf.lite.OpsSet.SELECT_TF_OPS]
  # 关闭tensor list压缩逻辑，保留batch维度
  converter._experimental_lower_tensor_list_ops = False
  converter.experimental_new_converter = True
  
  tflite_model = converter.convert()
  with open("model.tflite", "wb") as f:
      f.write(tflite_model)
  

• 转换后验证输出维度
  可以执行以下代码确认输出维度符合要求：

  import tensorflow as tf
  
  interpreter = tf.lite.Interpreter(model_path="model.tflite")
  interpreter.allocate_tensors()
  for out_info in interpreter.get_output_details():
      print(f"输出名：{out_info['name']}，维度：{out_info['shape']}")
  

  正常情况下0号输出的维度为[1, N, 4]，其中N为你配置的最大检测框数量，此时模型即可在安卓端正常加载运行。

内容的提问来源于stack exchange，提问作者puelo