使用keras_unet_collection训练U-Net时遇Concatenate维度匹配错误

问题原因 #

你的报错核心是U-Net编码器输出的特征图与解码器上采样后的特征图空间尺寸不匹配，导致Concatenate层无法完成拼接。具体逻辑：

• 输入尺寸为(376,128)，模型设置的filter_num=[64,128,256,512,1024]对应4次下采样（每次max pooling将尺寸减半并向下取整）：
  高维度变化：376 → 188 → 94 → 47 → 23
• 解码器用unpool='nearest'上采样时，23×2=46，而编码器对应的中间特征图高为47，两者尺寸不一致，触发ValueError。

解决方案 #

方案1：调整输入尺寸为下采样次数的2的幂次倍数 #

4次下采样要求输入的高/宽能被2^4=16整除，128已满足该条件，可将376调整为最近的384（384÷16=24）或368（368÷16=23），通过裁剪或resize频谱图实现。

方案2：减少下采样次数 #

缩短filter_num的长度，比如改为[64,128,256,512]，对应3次下采样，此时2^3=8，376÷8=47（整数），下采样和上采样后的尺寸能完全匹配。

方案3：更换上采样方式（可选） #

将unpool='nearest'改为unpool='bilinear'，部分场景下可自动对齐尺寸，但可靠性不如前两种方案。

代码示例 #

调整输入尺寸的代码示例 #

# 修改输入尺寸为(384,128,3)
model = models.unet_2d(input_size=(384, 128, 3), 
                       filter_num=[64, 128, 256, 512, 1024],
                       stack_num_down=2, stack_num_up=1,
                       weights='imagenet', n_labels=1,
                       activation='GELU', output_activation='Softmax',
                       batch_norm=True, pool='max', unpool='nearest', name='unet')

# 对应调整频谱图尺寸
from PIL import Image
img = Image.open("your_spectrogram.png")
img = img.resize((384, 128))  # 或根据需求用padding保持比例

减少下采样次数的代码示例 #

model = models.unet_2d(input_size=(376, 128, 3), 
                       filter_num=[64, 128, 256, 512],  # 减少一层下采样
                       stack_num_down=2, stack_num_up=1,
                       weights='imagenet', n_labels=1,
                       activation='GELU', output_activation='Softmax',
                       batch_norm=True, pool='max', unpool='nearest', name='unet')

内容的提问来源于stack exchange，提问作者Shamayl