Caffe学习笔记(二)：使用Python生成caffe所需的lmdb文件和txt列表清单文件
Caffe学习笔记(二)：使用Python生成caffe所需的lmdb文件和txt列表清单文件
Python版本：Python2.7 运行平台：Ubuntu14.04 最后修改时间：2017.4.20
在上个笔记中，已经学会了如何使用Caffe利用作者给的脚本训练CIFAR-10数据集，得到训练好的CNN模型。但是在上个笔记中，使用的都是作者提供好的脚本文件，完全就是按照教程跑了一下提供的demo。对于自己手里的一些图片数据集，如何转换图片格式、如何计算图片数据的均值、如何编写prototxt配置文件是接下来笔记的主要内容。本篇笔记主要记录如何将图片数据转换成db文件，图片均值的计算、prototxt配置文件的编写会后续进行讲解。
一、Caffe训练学习步骤回顾
1.准备数据集(训练集和测试集)
2.图片数据转换成db(leveldb/lmdb)文件
3.计算图片数据的均值
4.prototxt配置文件
5.训练模型
注意：还有一种不需要db文件和计算图片数据的均值的训练方法，而是只需要一个txt列表清单，另一种训练步骤在讲完此种学习方法后进行讲解。
二、图片数据转换成db(leveldb/lmdb)文件
1.概述
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caffe根目录下的tools目录下。编译好caffe之后，会生成对应的可执行文件放在 build/tools/目录下，这个可执行文件convert_imageset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。
该文件的使用格式如下所示：
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
因此如果想使用convert_imageset这个工具生成我们需要的db文件，就需要先得到图片文件列表清单txt文件。
在caffe根目录的/examples/image目录下，有两张共我们测试的图片，它们是cat.jpg和fish-bike.jpg。我们可以使用eog命令在终端查看这两个图片(远程登录ssh不行，vnc可以，当然不是远程登录是可以使用的)，它们分别如下：
我们可以使用这两图片学习如何制作图片文件列表清单txt文件。这个图片列表清单txt文件 格式如下：
图片文件名 标签
以cat.jpg和fish-bike.jpg为例，那么这两个图片的列表清单txt文件即为：
cat.jpg 1 fish-bike.jpg 2
依此类推，一行一张图片标签。我们定义1标签是猫的标签，2标签是自行车的标签。很显然，如果就这么两个图片我们手写一个图片列表清单txt文件即可，但是如果是很多图片，我们又该如何处理呢？
显然，我们可以使用脚本，有很多方法可供选择shell脚本，python脚本等。而我采用的方式是使用python脚本处理这些文件，生成最终的图片列表清单txt文件。
2.利用python脚本编写图片列表清单txt文件
(1)在caffe根目录下创建一个我们的工程目录my-caffe-project，使用如下指令：
cd /home/Jack-Cui/caffe-master && mkdir my-caffe-project(2)创建并编辑create_db.py文件，使用如下指令：
vim create_db.py文件编辑内容如下：
# -*- coding: UTF-8 -*-
import os
import re
"""
函数说明:生成图片列表清单txt文件
Parameters:
images_path - 图片存放目录
txt_save_path - 图片列表清单txt文件的保存目录
Returns:
无
Author:
Jack Cui
Modify:
2017-03-29
"""
def createFileList(images_path, txt_save_path):
#打开图片列表清单txt文件
fw = open(txt_save_path,"w")
#查看图片目录下的文件,相当于shell指令ls
images_name = os.listdir(images_path)
#遍历所有文件名
for eachname in images_name:
#正则表达式这里可以根据情况进行更改
#正则表达式规则:找以cat开头,紧跟0到10个数字,并以jpg结尾的图片文件
pattern_cat = r'(^cat\d{0,10}.jpg$)'
#正则表达式规则:找以fish-bike开头,紧跟0到10个数字,以jpg结尾的图片文件
pattern_bike = r'(^fish-bike\d{0,10}.jpg$)'
#正则表达式匹配
cat_name = re.search(pattern_cat, eachname)
bike_name = re.search(pattern_bike, eachname)
#按照规则将内容写入txt文件中
if cat_name != None:
fw.write(cat_name.group(0) + ' 1\n')
if bike_name != None:
fw.write(bike_name.group(0) + ' 2\n')
#打印成功信息
print "生成txt文件成功"
#关闭fw
fw.close()
if __name__ == '__main__':
#caffe_root目录
caffe_root = '/home/Jack-Cui/caffe-master/'
#my-caffe-project目录
my_caffe_project = caffe_root + 'my-caffe-project/'
#图片存放目录
images_path = caffe_root + 'examples/images/'
#生成的图片列表清单txt文件名
txt_name = 'filelist.txt'
#生成的图片列表清单txt文件的保存目录
txt_save_path = my_caffe_project + txt_name
#生成txt文件
createFileList(images_path, txt_save_path)(3)运行create_db.py脚本文件，使用如下指令：
python create_db.py(4)使用指令cat create_filelist.py，查看结果如下：
!=
3.利用python脚本执行convert_imageset文件生成db文件
生成的这个filelist.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
- 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。
(1)继续编写create_db.py文件，使用如下指令：
vim create_db.py文件添加内容如下：
# -*- coding: UTF-8 -*-
import commands
import os
import re
"""
函数说明:生成图片列表清单txt文件
Parameters:
images_path - 图片存放目录
txt_save_path - 图片列表清单txt文件的保存目录
Returns:
无
Author:
Jack Cui
Modify:
2017-03-29
"""
def createFileList(images_path, txt_save_path):
#打开图片列表清单txt文件
fw = open(txt_save_path,"w")
#查看图片目录下的文件,相当于shell指令ls
images_name = os.listdir(images_path)
#遍历所有文件名
for eachname in images_name:
#正则表达式这里可以根据情况进行更改
#正则表达式规则:找以cat开头,紧跟0到10个数字,并以jpg结尾的图片文件
pattern_cat = r'(^cat\d{0,10}.jpg$)'
#正则表达式规则:找以fish-bike开头,紧跟0到10个数字,以jpg结尾的图片文件
pattern_bike = r'(^fish-bike\d{0,10}.jpg$)'
#正则表达式匹配
cat_name = re.search(pattern_cat, eachname)
bike_name = re.search(pattern_bike, eachname)
#按照规则将内容写入txt文件中
if cat_name != None:
fw.write(cat_name.group(0) + ' 1\n')
if bike_name != None:
fw.write(bike_name.group(0) + ' 2\n')
#打印成功信息
print "生成txt文件成功"
#关闭fw
fw.close()
"""
函数说明:生成lmdb文件
Parameters:
caffe_root - caffe根目录
images_path - 图片存放目录
txt_save_path - 图片列表清单txt文件的保存目录
Returns:
无
Author:
Jack Cui
Modify:
2017-03-29
"""
def create_db(caffe_root, images_path, txt_save_path):
#lmdb文件名字
lmdb_name = 'img_train.lmdb'
#生成的db文件的保存目录
lmdb_save_path = caffe_root + 'my-caffe-project/' + lmdb_name
#convert_imageset工具路径
convert_imageset_path = caffe_root + 'build/tools/convert_imageset'
cmd = """%s --shuffle --resize_height=256 --resize_width=256 %s %s %s"""
status, output = commands.getstatusoutput(cmd % (convert_imageset_path, images_path,
txt_save_path, lmdb_save_path))
print output
if(status == 0):
print "lmbd文件生成成功"
if __name__ == '__main__':
#caffe_root目录
caffe_root = '/home/Jack-Cui/caffe-master/'
#my-caffe-project目录
my_caffe_project = caffe_root + 'my-caffe-project/'
#图片存放目录
images_path = caffe_root + 'examples/images/'
#生成的图片列表清单txt文件名
txt_name = 'filelist.txt'
#生成的图片列表清单txt文件的保存目录
txt_save_path = my_caffe_project + txt_name
#生成txt文件
createFileList(images_path, txt_save_path)
#生成lmdb文件
create_db(caffe_root, images_path, txt_save_path)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-master/examples/images/ 为图片保存的绝对路径，我的caffe放在了/home/Jack-Cui目录下。
最终结果运行如下，大功告成！
