Возникла проблема при обучении UNet сегментации изображений

Я использую модель U-Net библиотеки Python keras_unet_collection для самостоятельного обучения изображений (спектрограмм; dim=(376, 128)) для изучения масок фона/переднего плана. Я новичок в самостоятельном обучении, но, прочитав все соответствующие исследовательские работы, я разработал следующий подход:

• Генерируйте спектрограммы из аудиофайлов (они являются основной истиной)
• Маскировать случайные участки спектрограмм (входные изображения) Я пытаюсь обучить модель U-Net восстанавливать искаженную спектрограмму и в процессе научиться определять фоновый шум для подавления изображения/аудио, классифицируя каждый пиксель как 0 или 1 (где 0 должен быть фоном).

основная истина (у):

входное изображение (X):

Но я столкнулся с ошибкой при создании модели.

Учитывая PIL-изображение спектрограммы (img.size возвращает (376, 128)) Вот как я определил модель:

model = models.unet_2d(input_size=(img.size[0], img.size[1], 3), 
                       filter_num=[64, 128, 256, 512, 1024],
                       stack_num_down=2, stack_num_up=1,
                       weights='imagenet', n_labels=1,
                       activation='GELU', output_activation='Softmax',
                       batch_norm=True, pool='max', unpool='nearest', name='unet')

Я получаю эту ошибку:

ValueError: Слою Concatenate требуются входные данные с совпадающими формами, за исключением оси конкатенации. Получено: input_shape=[(Нет, 46, 16, 512), (Нет, 47, 16, 512)]

Это трассировка стека:

> keras_unet_collection/_model_unet_2d.py:288
X = unet_2d_base(IN, filter_num, stack_num_down=stack_num_down, stack_num_up=stack_num_up, 
                      activation=activation, batch_norm=batch_norm, pool=pool, unpool=unpool, 
                      backbone=backbone, weights=weights, freeze_backbone=freeze_backbone, 
                      freeze_batch_norm=freeze_backbone, name=name)

> keras_unet_collection/_model_unet_2d.py:213
 X = UNET_right(X, [X_decode[i],], filter_num_decode[i], stack_num=stack_num_up, activation=activation, 
                        unpool=unpool, batch_norm=batch_norm, name='{}_up{}'.format(name, i))

> keras_unet_collection/_model_unet_2d.py:86
X = concatenate([X,]+X_list, axis=3, name=name+'_concat')

> keras/src/layers/merging/concatenate.py:172
return Concatenate(axis=axis, **kwargs)(inputs)

Я правда не могу этого понять. Любая помощь/предложение будет здорово!