Keras搭建Unet时Concatenate层形状不匹配报错如何解决

• 报错本质是Concatenate拼接层要求除了拼接轴之外的所有维度尺寸必须匹配，你的问题来源于输入尺寸不符合U-Net网络的设计要求：你实现的U-Net包含4次步长为2的下采样（MaxPooling2D）和4次步长为2的上采样（Conv2DTranspose），要求输入宽高必须是2^4=16的整数倍，否则下采样遇到奇数尺寸时会向下取整，导致上采样后尺寸和对应下采样层的特征图尺寸不一致。

300×300输入的尺寸变化流程验证：

1. 第1次下采样：300/2=150 → 特征图尺寸150×150
2. 第2次下采样：150/2=75 → 特征图尺寸75×75
3. 第3次下采样：75/2向下取整为37 → c4层特征图尺寸37×37
4. 第4次下采样：37/2向下取整为18 → c5层特征图尺寸18×18
5. 第1次上采样：18×2=36 → u6层特征图尺寸36×36，和c4的37×37尺寸不匹配，触发拼接报错。

方案1：调整输入尺寸（最简便，推荐） #

直接将输入图像的宽高调整为16的整数倍即可，例如288×288、320×320等，修改输入定义代码：

# 288是16的18倍，完全符合下采样/上采样的尺寸要求
input_img = Input((288, 288, 1), name="img")

方案2：强制对齐特征图尺寸（适用于必须保留300×300输入的场景） #

方式A：给Conv2DTranspose添加output_padding参数 #

上采样时补1个像素，让输出尺寸和对应下采样层对齐，修改4处上采样代码：

# 第1次上采样补1像素，输出37×37和c4对齐
u6 = Conv2DTranspose(n_filters*8, (3, 3), strides=(2, 2), padding='same', output_padding=1)(c5)
u6 = concatenate([u6, c4])
# 第2次上采样补1像素，输出75×75和c3对齐
u7 = Conv2DTranspose(n_filters*4, (3, 3), strides=(2, 2), padding='same', output_padding=1)(c6)
u7 = concatenate([u7, c3])
# 第3次上采样输出150×150，和c2尺寸一致不需要补
u8 = Conv2DTranspose(n_filters*2, (3, 3), strides=(2, 2), padding='same')(c7)
u8 = concatenate([u8, c2])
# 第4次上采样输出300×300，和c1尺寸一致不需要补
u9 = Conv2DTranspose(n_filters*1, (3, 3), strides=(2, 2), padding='same')(c8)
u9 = concatenate([u9, c1], axis=3)

方式B：裁剪较大的特征图 #

拼接前将尺寸更大的特征图裁剪到和小特征图一致：

# 裁剪c4的1个边缘像素，对齐u6的36×36尺寸
c4_cropped = Cropping2D(cropping=((0,1),(0,1)))(c4)
u6 = concatenate([u6, c4_cropped])
# 裁剪c3的1个边缘像素，对齐u7的74×74尺寸
c3_cropped = Cropping2D(cropping=((0,1),(0,1)))(c3)
u7 = concatenate([u7, c3_cropped])

内容的提问来源于stack exchange，提问作者Zaki Jefferson