convert_imageset.cpp 指南

Posted 2023-03-12

【中文标题】convert_imageset.cpp 指南

【英文标题】：A guide to convert_imageset.cpp

【发布时间】：2015-10-04 07:09:47

【问题描述】：

我对机器学习/python/ubuntu 比较陌生。

我有一组 .jpg 格式的图像，其中一半包含我希望 caffe 学习的功能，一半不包含。我无法找到将它们转换为所需 lmdb 格式的方法。

我有必要的文本输入文件。

我的问题是任何人都可以提供有关如何在 ubuntu 终端中使用convert_imageset.cpp 的分步指南吗？

谢谢

【参考方案1】：

Caffe 的快速指南convert_imageset

构建

您必须做的第一件事是构建 caffe 和 caffe 的工具（convert_imageset 是这些工具之一）。 安装 caffe 和 makeing 后，确保你也运行了 make tools。 验证在$CAFFE_ROOT/build/tools 中创建了二进制文件convert_imageset。

准备数据

Images： 将所有图片放在一个文件夹中（我这里称它为 /path/to/jpegs/）。Labels： 创建一个文本文件（例如，@ 987654329@) 每个输入图像一行。例如：

img_0000.jpeg 1 img_0001.jpeg 0 img_0002.jpeg 0

在此示例中，第一个图像标记为 1，而其他两个标记为 0。

转换数据集

在 shell 中运行二进制文件

~$ GLOG_logtostderr=1 $CAFFE_ROOT/build/tools/convert_imageset \
    --resize_height=200 --resize_width=200 --shuffle  \
    /path/to/jpegs/ \
    /path/to/labels/train.txt \
    /path/to/lmdb/train_lmdb

命令行解释：

GLOG_logtostderr 标志设置为 1 之前 调用 convert_imageset 指示日志机制将日志消息重定向到 stderr。 --resize_height 和 --resize_width 将

all

输入图像大小调整为相同大小 200x200。 --shuffle 随机更改图像的顺序，并且不保留 /path/to/labels/train.txt 文件中的顺序。 以下是图像文件夹的路径、标签文本文件和输出名称。请注意，在调用 convert_imageset 之前不应存在输出名称，否则您会收到可怕的错误消息。

其他可能有用的标志：

--backend - 允许您在 lmdb 数据集或 levelDB 之间进行选择。 --gray - 将所有图像转换为灰度。 --encoded 和 --encoded_type - 将图像数据以编码 (jpg/png) 压缩形式保存在数据库中。 --help - 显示一些帮助，查看 来自工具/convert_imageset.cpp 的标志下的所有相关标志

您可以查看$CAFFE_ROOT/examples/imagenet/convert_imagenet.sh 例如如何使用convert_imageset。

【讨论】：

您好，感谢您的出色指导。我采取了稍微不同的路线并编辑了 create_imagenet 脚本。但是在运行它时，我得到了以下错误；即 " 共 0 张图像" 创建火车 lmdb... I0715 16:54:06.121748 4120 convert_imageset.cpp:79] 洗牌数据 I0715 16:54:06.122463 4120 convert_imageset.cpp:82] A共 0 张图片。 I0715 16:54:06.123065 4120 db.cpp:34] 打开 lmdb /home/pwhc/caffe/GPRLearn/lmdb/GPR_train_lmdb 有什么想法吗？

@pwhc 似乎没有找到图像文件。检查图像路径和标签 gile 中的图像名称

@pwhc 您需要为训练/测试构建 不同 lmdb/leveldb。因此，您需要 两个 不同的文件 /path/to/labels/train.txt 和 /path/to/labels/test.txt 这些文件中的图像名称应该不同，但它们可以指向相同或不同文件夹中的图像 - 由您决定组织他们。

@Shai 最好的 caffe 教程！谢谢

@alfa_80 如果路径（目录）不同，则文件不相同。由您来组织图像。只要确保你没有对训练集中的图像进行测试——这是作弊