我正在尝试使用一个mediapipes预训练的tflite模型在android（java）中执行姿势地标检测，它为我提供了关于人体33个地标的信息。我知道有不同的方法，例如使用ML Kit，但为了获得更好的结果，使用一个mediapipes模型会更好。
我想使用（https://google.github.io/mediapipe/solutions/models.html）姿势地标模型。
要在android中使用这些模型，需要知道（尤其是理解）模型的输出形状，这些可以在java（或python）中读取：

• 五项产出：[195]，[1]，[256，256，1]，[64，64，1]，[117]如果我没弄错的话。

但在模型的模型卡中，输出阵列被定义为[33，5]，这是有意义的，因为目标是检测33个界标，每个界标具有5个值。
有没有人能解释一下tflite模型的输出形状以及如何使用它们，或者给予我一个我错过的文档的线索。
所用代码由android studio自动生成，并由ml文件夹中模型的“示例代码部分”提供（遵循以下说明https：//www.tensorflow.org/lite/inference_with_metadata/codegen#mlbinding，但使用以下方法获得相同形状https：//www.tensorflow.org/lite/guide/inference#load_and_run_a_model_in_java）：

try {
        PoseDetection model = PoseDetection.newInstance(getApplicationContext());

        // Creates inputs for reference.
        TensorBuffer inputFeature0 = TensorBuffer.createFixedSize(new int[]{1, 224, 224, 3}, DataType.FLOAT32);

        // imageBuffer is the image as ByteBuffer
        inputFeature0.loadBuffer(imageBuffer);

        // Runs model inference and gets result.
        PoseDetection.Outputs outputs = model.process(inputFeature0);
        TensorBuffer outputFeature0 = outputs.getOutputFeature0AsTensorBuffer();
        TensorBuffer outputFeature1 = outputs.getOutputFeature1AsTensorBuffer();
        TensorBuffer outputFeature2 = outputs.getOutputFeature2AsTensorBuffer();
        TensorBuffer outputFeature3 = outputs.getOutputFeature3AsTensorBuffer();
        TensorBuffer outputFeature4 = outputs.getOutputFeature4AsTensorBuffer();

        // Releases model resources if no longer used.
        model.close();
    } catch (IOException e) {
        // TODO Handle the exception
    }

我通过使用调试器检查outputFeatures得到了形状。
多谢了。