TensorFlow目标检测自定义数据集边界框（BB）无法显示问题求助

我之前切换自定义数据集时也碰到过一模一样的情况，结合TensorFlow Object Detection API的常见踩坑点，给你梳理几个核心排查方向：

1. 核对标签映射（Label Map）的一致性 #

这是最容易出错的环节：

• 确保自定义的label_map.pbtxt格式完全正确，每个类的ID从1开始（0是默认背景类），比如：

  item {
    id: 1
    name: 'your_class_1'
  }
  item {
    id: 2
    name: 'your_class_2'
  }
  

• 训练配置文件（.config）里的num_classes必须和你自定义类的数量完全匹配，不能多也不能少。
• 检查Jupyter Notebook里加载label map的代码，一定要替换成你自己的文件路径，别还沿用Pascal VOC的pascal_label_map.pbtxt：

  PATH_TO_LABELS = os.path.join('data', 'your_custom_label_map.pbtxt')
  

2. 验证模型的检测输出是否有效 #

先别着急可视化，先打印模型的检测结果看看：
在Notebook里添加这段代码，查看检测到的类别和置信度：

# 假设你已经得到了detection_classes和detection_scores
print("检测到的类别ID：", detection_classes[0][:10])  # 打印前10个检测结果的类别
print("对应的置信度：", detection_scores[0][:10])

• 如果输出的类别全是0，说明模型没学到自定义类的特征，或者标签映射没对应上；
• 如果有非0的类别但置信度低于默认阈值（0.5），可以尝试调低MIN_SCORE_THRESH的值，比如改成0.3，看看能不能显示边界框。

3. 检查自定义数据集的标注正确性 #

• 确认标注文件（比如VOC格式的XML）里的object/name值，和label map里的name完全一致，大小写、空格、特殊字符都不能有差异，比如label map里是'dog'，XML里写成'Dog'就会匹配失败；
• 检查标注的边界框坐标是否合法：xmin < xmax且ymin < ymax，并且所有坐标都在图像的尺寸范围内，超出范围的标注会被模型忽略。

4. 确认可视化代码的适配 #

• 确保category_index是基于你的自定义label map生成的，打印出来看看是否正确加载了所有类别：

  category_index = label_map_util.create_category_index_from_labelmap(PATH_TO_LABELS, use_display_name=True)
  print(category_index)
  

• 检查可视化函数visualize_boxes_and_labels_on_image_array的参数，有没有把category_index传入，别误用了之前VOC的category_index。

5. 验证模型Checkpoint的加载 #

确保你加载的是自己训练完成后的checkpoint，而不是从Model Zoo下载的预训练初始模型。比如在加载模型时，指定的ckpt文件应该是model_dir里最新的ckpt-xxxx（xxxx是训练步数），而不是预训练的faster_rcnn_inception_resnet_v2_atrous_coco_2018_01_28里的文件。

内容的提问来源于stack exchange，提问作者Amit Gupta