如何将 CustomVision.ai TensorFlow/TensorFlow Lite 模型转换为适用于 TFLite 对象检测 API 的模型？

Question

我们有一个从 CustomVision.ai 导出的模型（它支持导出 TensorFlow .pb、TensorFlow Lite .tflite、Saved Model .pp 格式）。

我们希望将此模型集成到使用 TFLite 对象检测 API 的现有应用程序中，该应用程序需要以下输入和输出：

--input_arrays=normalized_input_image_tensor \
--output_arrays='TFLite_Detection_PostProcess','TFLite_Detection_PostProcess:1','TFLite_Detection_PostProcess:2','TFLite_Detection_PostProcess:3' \

模型似乎有非常不同的输入和输出：

Inputs array: Placeholder
name: Placeholder
type: float32[1,416,416,3]
quantization: 0 ≤ q ≤ 255
location: 0

Outputs array: model_outputs
name: model_outputs
type: float32[1,13,13,45]
location: 44

如果我运行“tflite_convert”命令

tflite_convert \
    --graph_def_file=model.pb \
    --output_file=detect.tflite \
    --input_shapes=1,416,416,3 \
    --input_arrays=normalized_input_image_tensor \
    --output_arrays='TFLite_Detection_PostProcess','TFLite_Detection_PostProcess:1','TFLite_Detection_PostProcess:2','TFLite_Detection_PostProcess:3' \
    --inference_type=FLOAT  \
    --allow_custom_ops

我明白了：

ValueError: Invalid tensors 'normalized_input_image_tensor' were found.

知道如何让它工作吗？我整天都在挖，结果只是干了……任何帮助将不胜感激！谢谢！

Answer 1

并非所有模型都与 TensorFlow Lite 对象检测 API 兼容。

您的上述模型不适合 TensorFlow Lite 对象检测compatible。

例如，输入签名需要一个图像张量，输出签名需要 TensorFlow Lite 对象检测 API 获取四个张量。

请考虑使用 TensorFlow Lite Model Maker 或 TF Model Garden 的 Object Detector API 来生成兼容的模型。