使用OpenCV加载自定义生成pbtxt的SSD模型时导入错误求助

我之前在做SSD目标检测时也碰到过一模一样的问题——用官方提供的graph.pbtxt没问题，自己用脚本生成的就报错，咱们一步步来排查解决：

最可能的原因：生成pbtxt时缺少关键参数 #

tf_text_graph_ssd脚本需要明确模型的核心参数，否则生成的pbtxt节点定义会和原始pb文件不匹配。你之前的命令只指定了输入输出文件，但没加SSD模型的关键参数：

• COCO数据集是90类，必须指定--num_classes 90
• MobileNet V1 SSD的标准输入尺寸是300x300，需要加上--input_size 300x300

修正后的生成命令应该是：

python tf_text_graph_ssd.py --input frozen_inference_graph.pb --output pbtxt/frozen_inference_graph.pbtxt --num_classes 90 --input_size 300x300

其次检查文件路径是否正确 #

你代码里写的cvNet = cv.dnn.readNetFromTensorflow('frozen_inference_graph.p...看起来路径没写完，要确保pbtxt的路径是完整且正确的：

cvNet = cv.dnn.readNetFromTensorflow('frozen_inference_graph.pb', 'pbtxt/frozen_inference_graph.pbtxt')

如果pbtxt文件夹不存在，或者文件名拼写错误，OpenCV会直接报导入错误。

验证OpenCV版本兼容性 #

tf_text_graph_ssd脚本的版本要和你当前使用的OpenCV版本匹配。比如你用的是OpenCV 4.x，就不要用旧版本（比如3.x）的脚本，否则生成的pbtxt可能不兼容新的dnn模块。你可以先打印当前OpenCV版本确认：

import cv2 as cv
print(cv.__version__)

然后使用对应版本分支的脚本重新生成pbtxt。

额外排查技巧 #

1. 查看脚本生成时的控制台输出：如果执行脚本时有报错（比如找不到某个节点），说明生成的pbtxt是无效的。这时候可以用Netron工具打开pb文件，查看输入输出节点的名称，然后手动指定参数：

python tf_text_graph_ssd.py --input frozen_inference_graph.pb --output pbtxt/frozen_inference_graph.pbtxt --num_classes 90 --input_size 300x300 --input_node image_tensor --output_node detection_boxes,detection_scores,detection_classes,num_detections

这些是SSD模型的标准节点名称，一般不会出错。

2. 验证模型加载状态：加载后可以打印cvNet.empty()，如果返回True说明模型加载失败，继续排查pbtxt和pb文件；如果返回False，说明加载成功，再调试检测逻辑。

内容的提问来源于stack exchange，提问作者foreign222