目录引言该文件的使用格式调用linux命令生成图片清单FLAGS参数组最后运行脚本文件
在深度学习的实际应用中，我们经常用到的原始数据是图片文件，如jpg,jpeg,png,tif等格式的，而且有可能图片的大小还不一致。
而在caffe中经常使用的数据类型是lmdb或leveldb，因此就产生了这样的一个问题：如何从原始图片文件转换成caffe中能够运行的db（leveldb/lmdb)文件？
在caffe中，作者为我们提供了这样一个文件：convert_imageset.cpp，存放在根目录下的tools文件夹下。编译之后，生成对应的可执行文件放在 buile/tools/ 下面，这个文件的作用就是用于将图片文件转换成caffe框架中能直接使用的db文件。
convert_imageset [FLAGS] ROOTFOLDER/ LISTFILE DB_NAME
需要带四个参数：
FLAGS: 图片参数组，后面详细介绍ROOTFOLDER/: 图片存放的绝对路径，从linux系统根目录开始LISTFILE: 图片文件列表清单，一般为一个txt文件，一行一张图片DB_NAME: 最终生成的db文件存放目录
如果图片已经下载到本地电脑上了，那么我们首先需要创建一个图片列表清单，保存为txt
本文以caffe程序中自带的图片为例，进行讲解，图片目录是 example/images/, 两张图片，一张为cat.jpg, 另一张为fish_bike.jpg，表示两个类别。
我们创建一个sh脚本文件，调用linux命令来生成图片清单：
# sudo vi examples/images/create_filelist.sh
编辑这个文件,输入下面的代码并保存
# /usr/bin/env sh
DATA=examples/images
echo “Create train.txt…”
rm -rf $DATA/train.txt
find $DATA -name *cat.jpg | cut -d ‘/’ -f3 | sed “s/$/ 1/”>>$DATA/train.txt
find $DATA -name *bike.jpg | cut -d ‘/’ -f3 | sed “s/$/ 2/”>>$DATA/tmp.txt
cat $DATA/tmp.txt>>$DATA/train.txt
rm -rf $DATA/tmp.txt
echo “Done..”
DATA=examples/images
echo “Create train.txt…”
rm -rf $DATA/train.txt
find $DATA -name *cat.jpg | cut -d ‘/’ -f3 | sed “s/$/ 1/”>>$DATA/train.txt
find $DATA -name *bike.jpg | cut -d ‘/’ -f3 | sed “s/$/ 2/”>>$DATA/tmp.txt
cat $DATA/tmp.txt>>$DATA/train.txt
rm -rf $DATA/tmp.txt
echo “Done..”
这个脚本文件中，用到了rm,find, cut, sed,cat等linux命令。
rm: 删除文件find: 寻找文件cut: 截取路径
sed: 在每行的最后面加上标注。本例中将找到的*cat.jpg文件加入标注为1，找到的*bike.jpg文件加入标注为2
cat: 将两个类别合并在一个文件里。
最终生成如下的一个train.txt文件：
cat.jpg 1
fish-bike.jpg 2
fish-bike.jpg 2
当然，图片很少的时候，手动编写这个列表清单文件就行了。但图片很多的情况，就需要用脚本文件来自动生成了。在以后的实际应用中，还需要生成相应的val.txt和test.txt文件，方法是一样的。
生成的这个train.txt文件，就可以作为第三个参数，直接使用了。
接下来，我们来了解一下FLAGS这个参数组，有些什么内容：
-gray: 是否以灰度图的方式打开图片。程序调用opencv库中的imread()函数来打开图片，默认为false-shuffle: 是否随机打乱图片顺序。默认为false-backend:需要转换成的db文件格式，可选为leveldb或lmdb,默认为lmdb-resize_width/resize_height: 改变图片的大小。在运行中，要求所有图片的尺寸一致，因此需要改变图片大小。 程序调用opencv库的resize（）函数来对图片放大缩小，默认为0，不改变-check_size: 检查所有的数据是否有相同的尺寸。默认为false,不检查-encoded: 是否将原图片编码放入最终的数据中，默认为false-encode_type: 与前一个参数对应，将图片编码为哪一个格式：‘png’,’jpg’……
好了，知道这些参数后，我们就可以调用命令来生成最终的lmdb格式数据了
由于参数比较多，因此我们可以编写一个sh脚本来执行命令：
首先，创建sh脚本文件：
# sudo vi examples/images/create_lmdb.sh
编辑，输入下面的代码并保存
#!/usr/bin/en sh
DATA=examples/images
rm -rf $DATA/img_train_lmdb
build/tools/convert_imageset –shuffle \
–resize_height=256 –resize_width=256 \
/home/xxx/caffe/examples/images/ $DATA/train.txt $DATA/img_train_lmdb
DATA=examples/images
rm -rf $DATA/img_train_lmdb
build/tools/convert_imageset –shuffle \
–resize_height=256 –resize_width=256 \
/home/xxx/caffe/examples/images/ $DATA/train.txt $DATA/img_train_lmdb
设置参数-shuffle,打乱图片顺序。设置参数-resize_height和-resize_width将所有图片尺寸都变为256*256.
/home/xxx/caffe/examples/images/ 为图片保存的绝对路径。
# sudo sh examples/images/create_lmdb.sh
就会在examples/images/ 目录下生成一个名为 img_train_lmdb的文件夹，里面的文件就是我们需要的db文件了。
以上就是Caffe图像数据转换成可运行leveldb lmdb文件的详细内容，更多关于Caffe图像数据转换db文件的资料请关注脚本之家其它相关文章！
您可能感兴趣的文章:Caffe卷积神经网络视觉层Vision?Layers及参数详解Caffe卷积神经网络数据层及参数caffe的python接口之手写数字识别mnist实例caffe的python接口生成solver文件详解学习python格式的Caffe图片数据均值计算学习Caffe数据可视化环境python接口配置教程示例Caffe卷积神经网络solver及其配置详解
© 版权声明
文章版权归作者所有，未经允许请勿转载。
