不同的图像格式（jpg、png）不会直接影响Mask-RCNN的训练结果。Mask-RCNN可以处理各种常见的图像格式，包括jpg和png。然而，选择图像格式可能会对训练过程和结果产生一些影响，主要取决于以下因素：

1. 图像质量：jpg是一种有损压缩格式，可能会在图像中引入一些压缩伪影，对一些细节和纹理进行损失。而png是无损压缩格式，可以保持图像质量较高。所以，如果图像质量对于训练很重要，可以选择使用png格式。

2. 图像大小：jpg格式的图像通常具有较小的文件大小，而png格式的图像通常具有较大的文件大小。当处理大量图像数据时，文件大小可能会对训练速度和存储需求产生影响。

3. 透明度支持：png格式支持透明度通道，可以处理包含透明部分的图像，而jpg格式不支持透明度。如果需要处理具有透明度的图像，应选择使用png格式。

根据上述因素，可以根据自己的需求选择适合的图像格式。下面是一个使用Python和Mask-RCNN库的代码示例，可以处理jpg和png格式的图像进行训练：

import cv2
import numpy as np
import skimage.io
from mrcnn.config import Config
from mrcnn.model import MaskRCNN

# 定义自定义配置类
class CustomConfig(Config):
    # 自定义配置参数
    # ...

# 加载图像数据
def load_image(file_path):
    image = skimage.io.imread(file_path)
    return image

# 加载标注数据
def load_mask(file_path):
    mask = cv2.imread(file_path, 0)
    return np.where(mask > 0, 1, 0)  # 将标注图像转换为二值掩码

# 创建Mask-RCNN模型
model = MaskRCNN(mode="training", config=CustomConfig(), model_dir="./logs")

# 加载图像和标注数据
image = load_image("image.jpg")
mask = load_mask("mask.png")

# 训练模型
model.train([image], [mask], epochs=10, learning_rate=0.001, layers='all')

在上述代码示例中，根据需要加载了jpg和png格式的图像和标注数据，并使用它们训练了Mask-RCNN模型。你可以根据自己的实际情况修改代码，加载你自己的图像和标注数据进行训练。