Matterport版Mask R-CNN加载权重时anchors层报错咨询

项目涉及细胞检测任务，计划使用Usiigaci预训练权重开展神经网络迁移学习训练，加载权重时触发如下报错：

ValueError: Layer #362 (named "anchors") expects 1 weight(s), but the saved weights have 0 element(s)

经测试，加载COCO预训练权重可正常运行，加载Usiigaci权重使用的代码如下：

model = MaskRCNN(mode='training', model_dir='./', config=config)
model.load_weights('Usiigaci_3.h5', by_name=True, exclude=["mrcnn_class_logits", "mrcnn_bbox_fc", "mrcnn_bbox", "mrcnn_mask"])

此外，加载基于自有图片数据集训练生成的权重进行断点续训时，也出现同类报错，具体报错信息为：

ValueError: Layer #362 (named "anchors"), weight <tf.Variable 'Variable:0' shape=(4, 261888, 4) dtype=float32> has shape (4, 261888, 4), but the saved weight has shape (2, 261888, 4).

加载自训练权重的代码如下：

model.load_weights('new_weigths/40_epochs/mask_rcnn_cell_cfg_0040.h5', by_name=True, exclude=["mrcnn_class_logits", "mrcnn_bbox_fc", "mrcnn_bbox", "mrcnn_mask"])

两个报错的核心触发点都是anchors层权重不匹配：

• anchors是Mask R-CNN中负责生成候选锚框的非训练层，权重完全由当前配置参数动态生成，不参与训练更新，不需要从权重文件中读取。
• 加载Usiigaci权重报错的原因：Usiigaci版本的Mask R-CNN实现保存权重时，默认跳过了无训练参数的anchors层，权重文件中没有存储该层参数，当前模型实例加载时找不到对应权重，直接触发元素数量不匹配错误。
• 断点续训时的形状不匹配报错：当前训练配置中设置的锚框宽高比数量为4，而上次训练保存权重时使用的配置仅设置了2种锚框宽高比，两边生成的anchors层张量形状不一致，加载时触发形状不匹配错误。

• 加载所有权重（包括第三方预训练权重、自训练断点续训权重）时，在exclude参数列表中新增"anchors"项，跳过该层的权重加载即可。anchors层参数会在模型初始化时根据当前配置自动生成，不从权重文件读取不会对训练效果产生任何影响。
  修改后的加载代码参考：

  # 加载Usiigaci预训练权重
  model.load_weights('Usiigaci_3.h5', by_name=True, exclude=[
      "mrcnn_class_logits", "mrcnn_bbox_fc", "mrcnn_bbox", "mrcnn_mask", "anchors"
  ])
  
  # 断点续训加载自有权重
  model.load_weights('new_weigths/40_epochs/mask_rcnn_cell_cfg_0040.h5', by_name=True, exclude=[
      "mrcnn_class_logits", "mrcnn_bbox_fc", "mrcnn_bbox", "mrcnn_mask", "anchors"
  ])
  

• 断点续训场景下，除跳过anchors层加载外，必须保证当前使用的训练配置和上次保存权重时的配置完全一致，重点核对输入图像尺寸、锚框尺度、锚框宽高比、骨干网络步长等直接影响锚框生成的参数，避免锚框分布和已训练特征分布不匹配导致训练精度下降。

内容的提问来源于stack exchange，提问作者Avner St