看样子是Label的通道数问题。 一般在语义分割中，Label是单通道且标签连续的，例如像素值0代表背景类，1代表第一类，2代表第二类... 虽然机器能分清楚他们区别，然而对人而言，一般的灰度图像取值范围在0-255。如果一张图片里只有1、2、3这样非常低的数值，人类很难通过肉眼+直觉判断出哪片区域对应的是什么类别。 [图片] 伪彩色Label就可以解决这样的问题，它将单通道的图像变成了三通道RGB图像。 [图片] 然而，这样的图像是不能直接被训练的，也是为什么会有`Label should be a 1 channel image`这样的报错信息，因为本身连续的标签为了可视化变得不再连续。 可能最开始像素值0代表背景类，1代表第一类，2代表第二类，现在则是RGB#000000表示背景类，RGB#487731表示了第一类，RGB#040263表示了第二类，即使转换为数字也是不连续的，这将会增大训练难度，甚至严重影响训练性能和效果，所以部分语义分割工具不接受这样的数据，也自然会给出上述的报错信息。 当然，伪彩色图像并非不可逆，只需撰写转换脚本，记录一个离散想RGB数值，并将其定义为一个从0开始的连续单通道值即可，例如刚刚的`RGB#000000表示背景类，RGB#487731表示了第一类，RGB#040263表示了第二类`可以通过遍历整个数据集得到RGB#000000表示为0，RGB#487731表示为1，RGB#040263表示为2，并生成一个以这样格式为基准的Label。整体上代码量不超过30行，时间也不会浪费很久，可以尝试一下。