将自己的图像数据转换成caffe需要的db(leveldb/lmdb)文件

在搭建好caffe环境之后，我们往往需要对自己的图像数据进行训练/测试，我们的图像数据往往时图片文件，如jpg，jpeg，png等，然而在caffe中我们需要使用的数据类型是lmdb或leveldb，例如：在之前测试MNIST数据集《 深度学习文章2：使用MNIST数据集验证Caffe是否安装成功 》时，我们运行脚本create_mnist.sh就是生成对应的db文件，运行后在~/caffe/examples/mnist/mnist_train_lmdb目录下，可以看到生成的db文件：

因此我们在对自己的图像数据进行训练/测试之前，需要转换成caffe框架可以直接使用的db文件，本篇博文主要就如何转换进行详细阐释。

1.创建图片清单文件

首先我们需要创建一个我们自己图片数据集的清单txt文件，这里我们先以caffe自带的两张图片为例，在caffe目录/examples/images下，有两张cat.jpg和fish-bike.jps，我们将这两张图片分别作为类别1和类别2。然后我们需要创建一个sh脚本文件来生成图片清单：

cd ~/caffe/
sudo gedit examples/images/create_filelist.sh

将以下内容编辑在文件中：

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.."

熟悉Linux命令的同学应该能看懂这个脚本文件的意思，不太明白的同学可以参照以下命令来理解：

• rm：删除文件
  rm -rf $DATA/train.txt意思就是删除文件夹下有的train.txt文件
• find：寻找文件
• cut：截取路径
• sed：在每行的最后加上标注，例如这里在cat.jpg后面加上标注类别1，在bike.jpg文件加入标注类别2。
  find $DATA -name *cat.jpg | cut -d ‘/‘ -f3 | sed "s/$/ 1/">>$DATA/train.txt 意思就是找寻cat.jpg文件，并截取文件名，在文件名后加上标注1，并将其存入train.txt文件中，下一行命令同理。
• cat：将文件内容合并到一个文件里。
  cat $DATA/tmp.txt>>$DATA/train.txt 意思就是将tmp.txt中类别2的命令合到train.txt文件中。

编辑完成后保存，然后执行命令生成对应的train.txt，命令如下：

cd ~/caffe/
sudo sh examples/images/create_filelist.sh

执行过程如下图：

执行结束后，在之前脚本文件配置的路径下/examples/images/可以看到生成的train.txt文件，内容如下图：

可以看到图片对应类别。如果图片数量很少时，可以采用手动编写的方式，如果图片特别多的情况下，就需要用脚本来生成了，这里生成了train.txt文件，val.txt和test.txt可用相同的原理生成。

2.利用清单文件生成对应的db文件

在caffe中，根目录下的tools文件夹下，有提供文件convert_imageset.cpp，编译之后，生成的可执行文件在build/tools/目录下，这个文件可用于将禽蛋敢问见转换成caffe框架能直接使用的db文件。该文件的命令行使用如下：

convert_imageset [FLAGS] ROOTFOLDER/ LISTFILE DB_NAME

其中四个参数含义如下：

• FLAGS: 图片参数组
  
  • 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lmd。
  • 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’等。
• ROOTFOLDER/: 图片存放的绝对路径，从linux系统根目录开始(不是caffe根目录，需要图片存放的绝对路径)
• 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

接下来我们创建脚本来实现转换：

cd ~/caffe/
sudo gedit examples/images/create_lmdb.sh

然后编辑生成的sh文件，内容如下：

DATA=examples/images
rm -rf $DATA/img_train_lmdb
build/tools/convert_imageset --shuffle --resize_height=256 --resize_width=256 /home/moqi/caffe/examples/images/ $DATA/train.txt  $DATA/img_train_lmdb

其中，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/moqi/caffe/examples/images/为图片保存的绝对路径，这里需要根据自己电脑的路径进行替换，例如你的caffe目录在/home/xx/caffe，则需要将其替换为home/xx/caffe/examples/images/，当然也可以指定在计算机的任何位置，注意替换为绝对路径即可。

最后，运行刚刚编辑保存好的脚本文件：

cd ~/caffe/
sudo sh examples/images/create_lmdb.sh 

运行过程如下图：

在examples/images/目录下生成了img_train_lmdb文件夹，里面就是caffe运行需要的数据集。

在打开img_train_lmdb文件夹的时候，可能会遇到权限不够的提示，只需要改变文件夹的权限即可：

sudo chmod 777 img_train_lmdb/

不了解的同学可自行百度Linux权限修改命令。

3.例子：完整的将自己的训练/测试图片转化成caffe数据集

3.1数据集展示

这里我们将五类图片，每个类别100张，其中80张作为训练，20张作为测试，图片类别标注分别为3，4，5，6，7，图片名称对应未301，302等等。我们将图片存放在caffe目录下的data文件夹下，文件夹名称为moqi，文件夹下面包含两个文件夹：test和train，test文件夹存放100张测试图片，train文件夹存放400张训练图片。如下图所示：

网上数据集较多，大家可自行百度下载，按照格式存储好即可。

3.2生成训练和测试清单文件

在caffe根目录下的examples目录下，创建一个myfile的文件夹，来用存放配置文件和脚本文件。然后编写一个脚本create_filelist.sh，用来生成train.txt和test.txt清单文件。

cd ~/caffe/
sudo mkdir examples/myfile
sudo gedit examples/myfile/create_filelist.sh

编辑文件，内容如下：

DATA=http://www.mamicode.com/data/moqi/"hljs-built_in">echo "Create train.txt..."
rm -rf $MY/train.txt
for i in 3 4 5 6 7 
do
find $DATA/train -name $i*.jpg | cut -d ‘/‘ -f4-5 | sed "s/$/ $i/">>$MY/train.txt
done

echo "Create test.txt..."
rm -rf $MY/test.txt
for i in 3 4 5 6 7
do
find $DATA/test -name $i*.jpg | cut -d ‘/‘ -f4-5 | sed "s/$/ $i/">>$MY/test.txt
done
echo "All done"

编辑完成后保存退出，然后退回到caffe根目录下运行此脚本：

cd ~/caffe/
sudo sh examples/myfile/create_filelist.sh

执行过程如下图：

执行结束后，在caffe根目录下的examples/myfile/ 文件夹下生成train.txt和test.txt两个文本文件，里面就是图片的列表清单。如下图：

train.txt文件内容如下：

test.txt文件内容如下：

3.3转换成caffe需要的db文件

新建脚本文件来实现转换：

cd ~/caffe/
sudo gedit examples/myfile/create_lmdb.sh

编辑文件，内容如下：

MY=examples/myfile

echo "Create train lmdb.."
rm -rf $MY/img_train_lmdb
build/tools/convert_imageset --shuffle --resize_height=256 --resize_width=256 /home/moqi/caffe/data/moqi/ $MY/train.txt $MY/img_train_lmdb

echo "Create test lmdb.."
rm -rf $MY/img_test_lmdb
build/tools/convert_imageset --shuffle --resize_width=256 --resize_height=256 /home/moqi/caffe/data/moqi/ $MY/test.txt $MY/img_test_lmdb

echo "All Done.."

这里需要注意路径，绝对路径记得是你自己的绝对路径，修改即可。

编辑完成后保存退出，执行脚本文件：

cd ~/caffe/
sudo sh examples/myfile/create_lmdb.sh

执行过程如下图：

执行结束后，在caffe根目录下的examples/myfile下面生成两个文件夹img_train_lmdb和img_test_lmdb，分别用于保存图片转换后的lmdb文件。

至此，所有转换过程完成，读者可根据自己的数据集，稍微修改脚本文件即可完成自己的图片数聚集的转换，很方便。