Keras图像分割修改num_classes为2后标签值255超出范围如何解决

这个错误和是否将掩码识别为彩色图像无关，核心原因有两个：

• 你的二分类水域分割数据集的掩码是单通道黑白图，像素值为0（代表非水域背景）、255（代表水域前景）。而你设置了num_classes=2，分类模型要求输入的标签必须是[0,1]范围内的连续整数，255超出了合法范围，所以触发报错。
• 你只修改了num_classes参数，没有同步修改原示例针对牛津宠物trimap数据集设计的掩码预处理逻辑：原示例的trimap本身就做了标签归一，像素值为1、2、3，官方代码中还有一步mask = mask - 1将标签转为0、1、2的逻辑，这部分逻辑你没有适配自己的数据集。

只需修改掩码加载和预处理环节的代码即可，具体操作如下：

步骤1：强制单通道加载掩码并归一标签 #

替换原数据加载流程中读取掩码的逻辑，加载时强制指定单通道模式，同时把255的像素值转为1，适配二分类的标签要求，示例代码如下：

from tensorflow.keras.utils import load_img, img_to_array

# 调用该方法加载掩码即可，替换你原有代码中加载target的逻辑
def load_mask(mask_path, target_size):
    # color_mode设为grayscale强制单通道加载，避免被识别为3通道彩色图
    mask = load_img(mask_path, color_mode="grayscale", target_size=target_size)
    mask_arr = img_to_array(mask)
    # 把255转为1，0保持不变，输出标签范围为[0,1]，符合num_classes=2的要求
    mask_arr = mask_arr // 255
    mask_arr = mask_arr.astype("int32")
    return mask_arr

步骤2：删除原示例适配trimap的预处理逻辑 #

原官方示例里有mask = mask - 1的trimap专属处理代码，用你自己的数据集时直接删除这行即可。

步骤3：可选优化损失函数 #

二分类场景也可以不用num_classes=2的softmax多分类逻辑，直接调整为sigmoid二分类逻辑：输出层通道数设为1，激活函数用sigmoid，损失函数换为BinaryCrossentropy，训练收敛效率会更高。

内容的提问来源于stack exchange，提问作者Inès BEAUMONT