TFRecords解析：如何从单个张量中解码多张mask图像？

tf.image.decode_png 一次只能处理单个PNG字节串（标量字符串张量），你序列化时image/object/mask存储的是变长字符串列表，解析后得到的是形状为[?]的1阶张量，直接传入解码接口就会触发阶数不匹配报错。

使用tf.map_fn对mask列表中的每个元素单独解码，同时注意你生成的mask本身是单通道二值图，解码时不需要指定3通道，避免冗余。修改后的解析函数代码如下：

def parse_example(serialized_example):
  feature_dict = {
    'image/height': tf.io.FixedLenFeature([], tf.int64),
    'image/width': tf.io.FixedLenFeature([], tf.int64),
    'image/encoded':  tf.io.FixedLenFeature([], tf.string),
    'image/object/class/label': tf.io.FixedLenSequenceFeature([], tf.int64, allow_missing=True),
    'image/object/mask': tf.io.FixedLenSequenceFeature([], tf.string, allow_missing=True),
  }

  example = tf.io.parse_single_example(serialized_example, features=feature_dict)

  raw_height = tf.cast(example['image/height'], tf.int32)
  raw_width = tf.cast(example['image/width'], tf.int32)
  image = tf.image.decode_png(example['image/encoded'], channels=3)
  image = tf.image.resize(image, (512, 512))
  labels = example['image/object/class/label'] 

  # 遍历mask列表逐个解码
  masks = tf.map_fn(
      lambda x: tf.image.decode_png(x, channels=1),
      example['image/object/mask'],
      fn_output_signature=tf.TensorSpec(shape=(None, None, 1), dtype=tf.uint8)
  )
  # 统一mask尺寸，按需调整
  masks = tf.image.resize(masks, (512, 512))
  # 不需要通道维度的话可以压缩：masks = tf.squeeze(masks, axis=-1)，输出形状为[N, 512,512]，N为当前图像的物体数量

• 若后续训练要求固定张量形状，可在resize后补充静态形状声明：masks.set_shape([None, 512, 512, 1])
• 若图像中没有标注物体，image/object/mask会返回空张量，可按需补充判空逻辑避免后续训练报错

内容的提问来源于stack exchange，提问作者0x00