paddlelite部署目标检测模型输出有问题

我训练了一个目标检测模型用来垃圾分类，以及装换为了paddlelite需要的模型格式（.nb），接着我打算部署模型，进行图片的预测，来试试模型怎么样，结果出现了一些问题。
我的部署代码如下：

import paddlelite.lite as lite
from paddlelite.lite import *
import numpy as np
from PIL import Image

# 定义模型文件路径和输入数据
model_file = "ssd_model_v1.nb"  # naive_buffer格式的模型文件路径
img_file = r"dataset/JPEGImages/8441ac602d747bd05daaef78b0ed407cbb5dccd2d0a0e065473554358ec8c0a5.jpeg"  # 准备输入数据


config = MobileConfig()
config.set_model_from_file(model_file)

# 创建predictor
predictor = create_paddle_predictor(config)

# 加载图像并调整大小
image = Image.open(img_file)
image = image.resize((640, 480))
image = image.convert("RGB")

# 将图像转换为NumPy数组
input_data = np.array(image)
input_data = input_data.transpose((2, 0, 1))
input_data = np.expand_dims(input_data, axis=0).astype("float32")
print(input_data.shape)
# print(input_data.shape,np.ones((1,3,480,640)).shape)
# 获取输入tensor并设置数据
input_tensor = predictor.get_input(0)

# input_tensor.from_numpy(np.ones((1, 3, 480, 640)).astype("float32"))
input_tensor.from_numpy(input_data)



# 进行推理
predictor.run()

output_tensor = predictor.get_output(0)
print(output_tensor)
output_data = output_tensor.numpy()
print(output_data)

输出内容如下：

[[-1.]]

我想问问，输出[[-1.]]，是什么问题，根据这个输出我也画不来标注框。
哒佬帮忙解决一下问题，如果有需要更详细的代码内容，评论区提我发给你

你把截图发给我看一下

• 这篇博客: 用PaddleHub让你实现智能监控摄像头中的 视频监控主要硬件是摄像头，随着监控设备的近十年的快速更新换代，摄像头像素快速增长，高像素高帧率摄像头给我们带来高清视频监控效果的同时，也伴随着视频信息文件过大的问题。而在部分的安防和公共安全领域，如人脸打卡、刷脸支付、人流密度检测，车辆违规检测等，对检测视频信息的实时性要求高，高精度图像传输对网络带宽提出了极高的要求，且易造成网络拥堵，而网络一旦拥堵，传输受阻，返回数据延时则会产生一些无法预估的影响；在另外更常见的普通监控领域，如校内监控，长时间的监控包含的有用信息确较少，如学校在寒暑假时，校内监控24小时监控，但实际有用信息且很少，占据了过多的存储资源……这个时候如果我们在摄像头近端设置一个具有计算能力的边缘设备，在上传到云服务器前将收集到的信息进行一定的计算和过滤，如在监控领域只在检测到人时进行数据的储存/上传，则可以获得更快的相应时间，同时传输时对网络带宽的要求也会降低，达到更好的传输效果与实际体验感。 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读: