【caffe】caffe中通过图像生成lmdb格式的数据
来源:互联网 发布:java log4j日志 编辑:程序博客网 时间:2024/05/19 18:17
(原)caffe中通过图像生成lmdb格式的数据
转载请注明出处:
http://www.cnblogs.com/darkknightzh/p/5909121.html
参考网址:
http://www.cnblogs.com/wangxiaocvpr/p/5096265.html
可以根据caffe-master\examples\imagenet \readme.md进行理解。
1 生成LmDB格式文件
caffe中通过图像生成lmdb格式文件的程序为examples/imagenet/create_imagenet.sh。该文件调用build/tools/convert_imageset(对应的源码为tools/convert_imageset.cpp)。
为了不改变原来的程序,在examples内新建testCreateLmDB文件夹。新建create_imagenet.sh,并输入:
1 #!/usr/bin/env sh 2 # Create the imagenet lmdb inputs 3 # N.B. set the path to the imagenet train + val data dirsset -e 4 5 EXAMPLE=examples/testCreateLmDB 6 DATA=/home/xxx/database/CASIA 7 TOOLS=build/tools 8 9 TRAIN_DATA_ROOT=/home/xxx/database/CASIA/10 VAL_DATA_ROOT=/home/xxx/database/CASIA/11 12 # Set RESIZE=true to resize the images to 256x256. Leave as false if images have13 # already been resized using another tool.14 RESIZE=true15 if $RESIZE; then16 RESIZE_HEIGHT=12817 RESIZE_WIDTH=12818 else19 RESIZE_HEIGHT=020 RESIZE_WIDTH=021 fi22 23 if [ ! -d "$TRAIN_DATA_ROOT" ]; then24 echo "Error: TRAIN_DATA_ROOT is not a path to a directory: $TRAIN_DATA_ROOT"25 echo "Set the TRAIN_DATA_ROOT variable in create_imagenet.sh to the path" \26 "where the ImageNet training data is stored."27 exit 128 fi29 30 if [ ! -d "$VAL_DATA_ROOT" ]; then31 echo "Error: VAL_DATA_ROOT is not a path to a directory: $VAL_DATA_ROOT"32 echo "Set the VAL_DATA_ROOT variable in create_imagenet.sh to the path" \33 "where the ImageNet validation data is stored."34 exit 135 fi36 37 echo "Creating train lmdb..."38 39 GLOG_logtostderr=1 $TOOLS/convert_imageset \40 --resize_height=$RESIZE_HEIGHT \41 --resize_width=$RESIZE_WIDTH \42 --shuffle \43 $TRAIN_DATA_ROOT \44 $DATA/train_all.txt \45 $EXAMPLE/face_train_lmdb46 47 echo "Creating val lmdb..."48 49 #GLOG_logtostderr=1 $TOOLS/convert_imageset \50 # --resize_height=$RESIZE_HEIGHT \51 # --resize_width=$RESIZE_WIDTH \52 # --shuffle \53 # $VAL_DATA_ROOT \54 # $DATA/val.txt \55 # $EXAMPLE/face_val_lmdb56 57 echo "Done."
之后,在caffe根目录打开终端,并输入sh examples/testCreateLmDB/create_imagenet.sh
说明:
1) 程序第6行EXAMPLE为当前文件在caffe目录的相对路径。
2) 程序第7行DATA为train_all.txt所在的文件夹(如果train_all.txt就在TRAIN_DATA_ROOT文件夹内,则DATA和TRAIN_DATA_ROOT一样),如下图:
其中第一列为数据库中所有文件的文件名相对于数据库目录的位置,第二列为图像类别。
3) 第10行TRAIN_DATA_ROOT为训练数据的绝对路径。
4) 第11行VAL_DATA_ROOT为验证数据的绝对路径。
5) 程序第15行RESIZE为是否对图像进行缩放。如果直接读图像的话,可以使用
new_height: 128
new_width: 128
进行缩放。但是使用lmdb的话,貌似没办法在prototxt里面设置缩放,只能在创建lmdb数据库时,进行缩放。缩放时,更改程序17、18行的RESIZE_HEIGHT和RESIZE_WIDTH。经测试,如果不缩放的话,生成数据库大小为28.2G,缩放后,生成数据库大小为21.2G(此处和图像具体大小有关,给出数据只为了说明缩放应该在哪里设置。)
6. 程序第46行EXAMPLE/face_train_lmdb为生成的LmDB文件所在的路径。注意:EXAMPLE/oriface_train_lmdb文件夹最好为空,或者删除该文件夹,否则可能会提示:
2 生成mean.binaryproto文件
为了不更改源文件,在testCreateLmDB内新建make_imagenet_mean.sh,并输入:
1 #!/usr/bin/env sh 2 # Compute the mean image from the imagenet training lmdb 3 # N.B. this is available in data/ilsvrc12 4 5 EXAMPLE=examples/testCreateLmDB 6 DATA=examples/testCreateLmDB 7 TOOLS=build/tools 8 9 $TOOLS/compute_image_mean $EXAMPLE/face_train_lmdb \10 $DATA/face_train_mean.binaryproto11 12 echo "Done."
说明:
1) 程序第3行EXAMPLE为当前程序所在目录(实际上为face_train_lmdb库文件所在目录。见第9行)。
2) 程序第4行DATA为需要生成的face_train_mean.binaryproto所在目录(见程序第10行)。
3) 生成的face_train_mean.binaryproto文件大小为192KB。
- 【caffe】caffe中通过图像生成lmdb格式的数据
- Caffe学习笔记10:图像数据生成caffe需要的(laveldb和lmdb)数据文件
- Caffe 将原始图像数据转换成leveldb/lmdb格式
- Caffe入门学习(7)将自己的图像数据转成lmdb格式
- 用caffe将自己的图像数据转换成lmdb
- caffe:图像数据 lmdb的写入和读出
- caffe中将jpg数据转化为lmdb格式的文件
- caffe非图像数据转换为lmdb
- caffe AlexNet 做图像训练lmdb数据
- Caffe中LMDB的使用
- Caffe中图像写入LMDB(以及多标签)和读取LMDB数据
- caffe学习之conver_imageset.bin的使用方法,caffe下图片转lmdb格式类型数据总结
- 使用caffe的convert_imageset生成lmdb文件
- caffe生成lmdb和mean_binaryproto的方法
- caffe的lmdb
- 【用Python学习Caffe】3. 图像训练测试数据集LMDB的生成
- Caffe框架,图像数据转换成LMDB数据格式
- ubuntu14.04+caffe 图像数据转换成db(leveldb/lmdb)
- 多进程共享/同步
- UGUI学习(三)登录界面Text,Image,Button,Inputfield应用
- 玩转git命令行
- 反向传播matlab代码
- android studio学习----目录结构
- 【caffe】caffe中通过图像生成lmdb格式的数据
- 121. Best Time to Buy and Sell Stock
- Redis源码剖析和注释(二十五)--- Redis Cluster 的通信流程深入剖析(载入配置文件、节点握手、分配槽)
- 【Cocos2dx-3.15】学习伊始的必备处理技能
- 可伸缩架构简短系列
- Java开发开源框架Spring的知识点
- RocketMq服务器搭建和Java客户端配置
- 自动化测试思考
- 16年经历的那些事