PixelLib自定义实例分割训练时出现input_image_meta形状不匹配报错

本次报错的核心是Mask R-CNN输入层期望的input_image_meta维度（15）与数据集生成的实际维度（14）不一致，维度计算和模型总类数（含背景）直接绑定，同时伴随验证集为空的配置错误。

1. 修正数据集目录结构 #

PixelLib的load_dataset方法强制要求数据集根目录下必须包含train和val两个子目录，每个子目录下再分别放置images和annotations文件夹，正确结构如下：

Dataset/
├── train/                # 训练集目录
│   ├── images/           # 训练图片存放路径
│   │   ├── img1.jpg
│   │   └── ...
│   └── annotations/      # 训练集标注文件（json格式，与图片同名）
│       ├── img1.json
│       └── ...
└── val/                  # 验证集目录（必须存在，可放少量样本）
    ├── images/           # 验证图片存放路径
    │   ├── val_img1.jpg
    │   └── ...
    └── annotations/      # 验证集标注文件
        ├── val_img1.json
        └── ...

• 从现有训练集中拆分至少3-5张图片到val目录，解决Validate 0 images问题，同时避免类数识别异常。
• 确认所有标注json文件的label字段类名完全统一，无拼写错误、多余类名。

2. 修正num_classes参数配置 #

modelConfig中的num_classes参数仅统计需要识别的自定义类数量，不包含背景类：

• 若仅需识别1类目标（如道路破损），设置num_classes=1，此时总类数为1+1(背景)=2，对应生成的input_image_meta维度为14，与实际匹配。
• 若需识别2类自定义目标，保持num_classes=2，此时总类数为2+1(背景)=3，对应生成的input_image_meta维度为15，匹配模型期望。
  当前配置大概率存在标注仅含1类自定义目标，但错误设置num_classes=2的问题，导致模型按总类数3计算meta维度为15，实际数据集仅识别到总类数2，生成的meta维度为14，触发报错。

3. 修正预训练模型加载逻辑 #

加载mask_rcnn_coco.h5预训练权重时，添加exact=False参数，跳过权重层的严格维度校验，避免类数不匹配导致的加载异常：

train_maskrcnn.load_pretrained_model("/content/drive/MyDrive/AI ML Trainee/Damage Detection/pix/mask_rcnn_coco.h5", exact=False)

同时确认network_backbone参数与预训练权重匹配，你当前使用的resnet101与官方COCO权重兼容，无需调整。

4. 最小变量测试 #

先降低训练配置到最低值，排除其他变量干扰：

• 将batch_size调整为2，num_epochs调整为1，augmentation设为False，运行测试代码：

  train_maskrcnn.modelConfig(network_backbone = "resnet101", num_classes= 1, batch_size = 2)
  train_maskrcnn.load_pretrained_model("/content/drive/MyDrive/AI ML Trainee/Damage Detection/pix/mask_rcnn_coco.h5", exact=False)
  train_maskrcnn.load_dataset("/content/drive/MyDrive/AI ML Trainee/Damage Detection/pix/Dataset")
  train_maskrcnn.train_model(num_epochs = 1, augmentation=False,  path_trained_models = "mask_rcnn_models")
  

测试运行正常后，再逐步调高epoch数、batch_size，开启数据增强。

内容的提问来源于stack exchange，提问作者Arihant Kamdar