加载自定义模型的建议可能是使用TensorFlow对象检测API（https://github.com/tensorflow/models/tree/master/research/object_detection）训练您的自定义模型，然后使用TensorFlow.js转换器（https://github.com/tensorflow/tfjs）将TF模型转换为VoTT所需的TF.js格式。
将模型保存为TF.js格式后，将model.json文件，在model.json文件中引用的权重二进制文件和包含标签的自定义classes.json文件放在文件夹中，然后从VoTT指向该文件夹主动学习设置。请查看此仓库上的cocoSSDModel，以获取所有这些文件的样本。
需要将模型转换为VoTT所需的TF.js格式。
将模型保存为TF.js格式后，将model.json文件，在model.json文件中引用的权重二进制文件和包含标签的自定义classes.json文件放在文件夹中，然后从VoTT指向该文件夹主动学习设置。请查看此仓库上的cocoSSDModel，以获取所有这些文件的样本。
训练一个Tensorflow SSD模型
使用tensorflowjs_converter将saveved_model转换为tensorflowjs
就像创建COCO SSD模型一样，创建classes.json文件
将模型路径更改为我的自定义路径。
点击活动的学习按钮
将model.tar.gz文件解压缩到model_extracted文件夹，然后将cd解压缩到model_extracted文件夹
pip安装tensorflowjs == 0.8.6
tensorflowjs_converter --input_format = tf_saved_model --output_json = true --output_node_names =‘Postprocessor / ExpandDims_1，Postprocessor / Slice’–saved_model_tags =服务图/ saved_model web_model
创建classes.json文件以将类ID映射到类名称
zip -r web_model web_model，现在您可以在VOTT标签工具或其他Web应用程序中使用web_model文件夹。
注意我发现班级ID 0是为’unknow’类别保留的