Ein Leitfaden für convert_imageset.cpp

Ich bin relativ neu in machine learning/python/ubuntu.

Habe ich eine Reihe von Bildern .jpg-format, bei dem die Hälfte enthalten ein feature, das ich will, caffe, zu lernen, und die Hälfte nicht. Ich habe Probleme bei der Suche nach einem Weg, Sie zu bekehren, um die erforderlichen lmdb-format.

Habe ich den notwendigen text-input-Dateien.

Meine Frage ist, kann jemand liefern eine Schritt-für-Schritt-Anleitung, wie man convert_imageset.cpp im ubuntu terminal?

Dank

InformationsquelleAutor pwhc | 2015-07-15

  1. 61

    Eine kurze Anleitung zum Caffe convert_imageset

    Bauen

    Erste, was Sie tun müssen, ist zu bauen, Cafe und caffe-tools (convert_imageset ist eines dieser tools).

    Nach der Installation caffe und makeing es stellen Sie sicher, Sie lief make tools als gut.

    Stellen Sie sicher, dass eine binäre Datei convert_imageset erstellt in $CAFFE_ROOT/build/tools.

    Bereiten Ihre Daten

    Bilder: legen Sie alle Bilder in einem Ordner (ich nenne es hier /path/to/jpegs/).

    Labels: erstellen Sie eine text-Datei (z.B. /path/to/labels/train.txt) mit einer Zeile pro Einzelbild . Zum Beispiel:

    img_0000.jpeg 1

    img_0001.jpeg-0

    img_0002.jpeg 0

    In diesem Beispiel wird das erste Bild ist beschriftet 1 während die anderen beiden sind mit 0.

    Konvertieren Sie das dataset

    Ausführen des binären in der Schale

    ~$ 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

    Befehlszeile erklärt:

    • GLOG_logtostderr - flag auf 1 gesetzt ist vor aufrufen convert_imageset gibt den logging-Mechanismus zum umleiten von log-Meldungen an stderr.
    • --resize_height und --resize_width Größe alle input-Bilder auf gleiche Größe 200x200.
    • --shuffle nach dem Zufallsprinzip ändern Sie die Reihenfolge der Bilder und nicht die Erhaltung der Reihenfolge, in der /path/to/labels/train.txt - Datei.
    • Folgenden den Pfad zu dem Ordner "Bilder", die Etiketten-text-Datei und name der Ausgabedatei. Beachten Sie, dass die Ausgabe sollte der name nicht vorhanden sein vor dem Aufruf convert_imageset andernfalls erhalten Sie eine beängstigende Fehlermeldung.

    Andere Optionen, die nützlich sein könnten:

    • --backend - ermöglicht Ihnen die Wahl zwischen einem lmdb dataset oder levelDB.
    • --gray - konvertiert alle Bilder in Graustufen.
    • --encoded und --encoded_type - halten-Bilddaten in codierte (jpg/png) komprimiert in der Datenbank.
    • --help - zeigt einige helfen, finden Sie alle relevanten Fahnen unter Flaggen aus tools/convert_imageset.cpp

    Können Sie aus $CAFFE_ROOT/examples/imagenet/convert_imagenet.sh
    für ein Beispiel für die Verwendung convert_imageset.

    Hallo, vielen Dank für die Super Anleitung. Ich nahm einen etwas anderen Weg und bearbeitet die create_imagenet "Skript". Beim laufen bekam ich folgende Fehler; d.h. " insgesamt 0-Bilder" Erstellen-Zug lmdb... I0715 16:54:06.121748 4120 convert_imageset.cpp:79] Schlurfenden Daten I0715 16:54:06.122463 4120 convert_imageset.cpp:82] insgesamt 0 Bilder. I0715 16:54:06.123065 4120 db.cpp:34] Geöffnet lmdb /home/pwhc/caffe/GPRLearn/lmdb/GPR_train_lmdb Irgendwelche Gedanken?
    wie es scheint, keine Bild-Dateien gefunden wurden. überprüfen Sie den Pfad zu Bildern und den Bild-Namen in den Etiketten gile
    Sie konstruieren müssen, verschiedene lmdb/leveldb zum trainieren/testen. Deshalb müssen Sie zwei verschiedene Dateien /path/to/labels/train.txt und /path/to/labels/test.txt den Namen des Bildes in diesen Dateien sollte eine andere sein, aber Sie können Bilder in der gleichen oder in verschiedenen Ordnern - es ist t-o Sie, Sie zu organisieren.
    beste Tutorial für caffe! Dank
    wenn die Pfade (Verzeichnisse) sind anders als die Dateien werden nicht die gleiche. Es ist bis zu Ihnen, zum organisieren der Bilder. Nur stellen Sie sicher nicht auf test Bilder wurden in die Trainings-set -es ist Betrug

    InformationsquelleAutor Shai

Schreibe einen Kommentar