很可能您的自定义区域提议方法产生的roi太小而无法处理。我们目前可以处理的最小大小受限于网络在最后一个最大池化层之前进行的下采样量。(请注意，我们将在未来的版本中删除这个限制)。
默认情况下，alexnet的最小大小是105x105。了解您正在使用哪个网络进行训练将有助于确定这是否是错误的原因。
如果您发现这是原因，那么您可以扩展区域建议方法返回的小roi，使它们高于最小值。或者，你也可以调整你的训练图像的大小，使你的对象更大。但是必须注意不要让图像太大，因为这会增加处理数据所需的GPU内存。如果发生这种情况，您可以尝试调整图像的大小，然后裁剪周围的对象。
或者你可以通过减少最终最大池化层的输出大小来改变网络本身。例如，使用alexnet，你可以将最后一个最大池化层的池大小改为5，这样输出的特征映射就会更小。这将把最小大小更改为88 * 88:
Net = alexnet;
layers = net.Layers;
减小最终最大池化层的输出大小，将池大小增加到5。
将最小大小更改为88 * 88。
layers(16) = maxPooling2dLayer(5，“步”2);
%重置全连接层，因为大小改变。
注意:这可能不是理想的图层集，可能需要一些实验
%来计算出最大池化后的最佳层数
%层。
layers(17) = fullyConnectedLayer(4096);
layers(20) = fullyConnectedLayer(4096);
layers(23) = fullyConnectedLayer(2)
layers(end) = classificationLayer()
要找出使用哪种方法，可能需要对最终的最大池化层之后的层进行一些实验。
导致此错误的另一个原因可能是PositiveOverlapRange和NegativeOverlapRange被设置为更难找到与自定义区域建议重叠的训练样本的值。例如，较大的正重叠值可能使您的任何区域建议都不可能与地面真相重叠。
