Python图像大小不匹配导致索引器错误：布尔索引与维度0上的索引数组不匹配

我有以下代码，加载数据集，将图像大小调整为1200*800，加载其注释，然后报告准确性和预测：

# resize images
resized_images = []
file_names = glob(os.path.join(IMAGE_DIR, "*.jpg")) 
for i in range(len(file_names)):
    print("Resizing: " + str(i))
    image = skimage.io.imread(file_names[i])
    image_resized = resize(image, (1200, 800),anti_aliasing=True)
    resized_images.append(image_resized)



masks_prediction = np.zeros((1200, 800, len(file_names)))
for i in range(len(resized_images)):
    print(i)
    image = resized_images[i]
    predictions = model.detect([image],  verbose=1)
    p = predictions[0]
    masks = p['masks']
    merged_mask = np.zeros((masks.shape[0], masks.shape[1]))
    for j in range(masks.shape[2]):
        merged_mask[masks[:,:,j]==True] = True
        masks_prediction[:,:,i] = merged_mask
print(masks_prediction.shape)

#load annotations
dataset = components.ComponentsDataset()
dataset.load_components(ANNOTATION_DIR, "predict")
resized_images = []
file_names = glob(os.path.join(IMAGE_DIR, "*.jpg")) 
for i in range(len(file_names)):
    print("Resizing: " + str(i))
    image = skimage.io.imread(file_names[i])
    image_resized = resize(image, (1200, 800),anti_aliasing=True)
    resized_images.append(image_resized)

# report the accuracy and prediction
accuracy = 0
precision = 0
for image_id in range(len(dataset.image_info)):
    name = dataset.image_info[image_id]['id']
    file_name = os.path.join(IMAGE_DIR, name)
    image_id_pred = file_names.index(file_name)
    merged_mask = masks_prediction[:, :, image_id_pred]

    annotated_mask = dataset.load_mask(image_id)[0]
    merged_annotated_mask = np.zeros((1200, 800))
    for i in range(annotated_mask.shape[2]):
        merged_annotated_mask[annotated_mask[:,:,i]==True] = True
    accuracy  += np.sum(merged_mask==merged_annotated_mask) / (1200 * 800)
    all_correct = np.sum(merged_annotated_mask[merged_mask == 1])
    precision += all_correct / (np.sum(merged_mask))
print('accuracy:{}'.format(accuracy / len(file_names)))
print('precision:{}'.format(precision / len(file_names)))

但是，我发现以下错误，这使我认为尺寸完全有问题：

---------------------------------------------------------------------------
IndexError                                Traceback (most recent call last)
<ipython-input-38-a652e79112fb> in <module>()
     10     merged_annotated_mask = np.zeros((1200, 800))
     11     for i in range(annotated_mask.shape[2]):
---> 12         merged_annotated_mask[annotated_mask[:,:,i]==True] = True
     13     accuracy  += np.sum(merged_mask==merged_annotated_mask) / (1200 * 800)
     14     all_correct = np.sum(merged_annotated_mask[merged_mask == 1])

IndexError: boolean index did not match indexed array along dimension 0; dimension is 1200 but corresponding boolean dimension is 1572

---

列表中的图像大小都正确调整为（1200800）。但带注释的遮罩是从数据集加载的，不会动态调整大小：

annotated_mask = dataset.load_mask(image_id)[0]

方法

load\u mask

生成图像原始

高度

和

宽度

的掩模图像，而不是调整大小的掩模图像。遮罩大小和图像大小需要匹配

您可以在加载遮罩图像后调整其大小（类似于调整输入图像的大小），以使此方法起作用

---

另一个选择是进行批处理预处理——将所有图像调整为通用大小，再次保存为.jpg，并将其用作新输入，而不在此程序中进行任何类型的调整。但是，您还必须仔细调整其他数据（如多边形）以匹配新坐标。

我已经更新了答案。面具的原始图像大小确实是个问题。我不能做任何事情来弄乱多边形，所以我认为为我调整面具的大小是最好的方法。你能告诉我应该在哪里调整它们的大小吗？在

load_mask

方法中，在绘制多边形之后，在将数据类型转换为

np.bool

之前，我将

mask=resize（mask，（1200，800），anti_aliasing=True）

添加到带有

np.bool

的返回语句之前，但是我仍然得到同样的错误。也许

load\u mask

正在采取另一条路径，委托给父类？那么也需要调整那里的大小。

annotated_mask = dataset.load_mask(image_id)[0]