Keras边界框回归训练报train_test_split样本数不一致错误求解

错误提示明确标注三个输入数组样本数不匹配：data、targets长度均为6430，但filenames长度为0。问题出在数据加载循环中，写filenames.append时没有传入要追加的参数，仅引用了列表的append方法，没有实际执行元素追加操作，导致filenames始终是空列表，无法满足数据集划分要求的数组长度一致规则。

找到数据加载循环中的文件名追加行，将无参数的filenames.append修改为传入文件名参数的形式：

# 原错误写法
filenames.append

# 修正后写法
filenames.append(filename)

修正后三个列表data、targets、filenames长度会保持一致，均为6430，可正常执行train_test_split划分。

以下问题不会触发当前报错，但会影响代码运行效率或最终效果，可按需调整：

• 当前逻辑是每读一行标注就加载一次对应图像，同一张图像对应多个边界框时会被重复读取、重复存入数组，大幅拖慢数据加载速度、浪费内存。可先按文件名将标注分组，每张图像仅读取一次，对应关联该图的所有边界框标签。
• 配置中定义了PLOT_PATH用于保存训练曲线，但现有代码未编写训练过程的loss绘图逻辑，需要可视化训练效果的话可补充matplotlib绘图代码，将训练集、验证集的MSE损失变化曲线保存到对应路径。
• 训练初期冻结VGG16全部卷积层只训练回归头是合理的，等回归头收敛后，可以解冻VGG16的部分顶层卷积层，用更小的学习率做微调，能进一步提升边界框回归精度。
• 现有代码中用cv2.imread读取图像仅为获取原始高宽做坐标归一化，实际送入模型的像素数据来自load_img（RGB通道顺序），不存在通道顺序不匹配问题，这部分逻辑无需修改。

内容的提问来源于stack exchange，提问作者Silentpig