转自:https://blog.csdn.net/langb2014/article/details/52995349 大牛的文章啊,学习了
一:将图像写入LMDB
import os import glob import random import numpy as np import cv2 import caffe from caffe.proto import caffe_pb2 import lmdb #Size of images IMAGE_WIDTH = 227 IMAGE_HEIGHT = 227 # train_lmdb、validation_lmdb 路径 train_lmdb = '/xxxxx/train_lmdb' validation_lmdb = '/xxxxx/validation_lmdb' # 如果存在了这个文件夹, 先删除 os.system('rm -rf ' + train_lmdb) os.system('rm -rf ' + validation_lmdb) # 读取图像 train_data = [img for img in glob.glob("/xxx/*jpg")] test_data = [img for img in glob.glob("/xxxx/*jpg")] # Shuffle train_data # 打乱数据的顺序 random.shuffle(train_data) # 图像的变换, 直方图均衡化, 以及裁剪到 IMAGE_WIDTH x IMAGE_HEIGHT 的大小 def transform_img(img, img_width=IMAGE_WIDTH, img_height=IMAGE_HEIGHT): #Histogram Equalization img[:, :, 0] = cv2.equalizeHist(img[:, :, 0]) img[:, :, 1] = cv2.equalizeHist(img[:, :, 1]) img[:, :, 2] = cv2.equalizeHist(img[:, :, 2]) #Image Resizing, 三次插值 img = cv2.resize(img, (img_width, img_height), interpolation = cv2.INTER_CUBIC) return img def make_datum(img, label): #image is numpy.ndarray format. BGR instead of RGB return caffe_pb2.Datum( channels=3, width=IMAGE_WIDTH, height=IMAGE_HEIGHT, label=label, data=np.rollaxis(img, 2).tobytes()) # or .tostring() if numpy < 1.9 # 打开 lmdb 环境, 生成一个数据文件,定义最大空间, 1e12 = 1000000000000.0 in_db = lmdb.open(train_lmdb, map_size=int(1e12)) with in_db.begin(write=True) as in_txn: # 创建操作数据库句柄 for in_idx, img_path in enumerate(train_data): if in_idx % 6 == 0: # 只处理 5/6 的数据作为训练集 continue # 留下 1/6 的数据用作验证集 # 读取图像. 做直方图均衡化、裁剪操作 img = cv2.imread(img_path, cv2.IMREAD_COLOR) img = transform_img(img, img_width=IMAGE_WIDTH, img_height=IMAGE_HEIGHT) if 'cat' in img_path: # 组织 label, 这里是如果文件名称中有 'cat', 标签就是 0 label = 0 # 如果图像名称中没有 'cat', 有的是 'dog', 标签则为 1 else: # 这里方, label 需要自己去组织 label = 1 # 每次情况可能不一样, 灵活点 datum = make_datum(img, label) # '{:0>5d}'.format(in_idx): # lmdb的每一个数据都是由键值对构成的, # 因此生成一个用递增顺序排列的定长唯一的key in_txn.put('{:0>5d}'.format(in_idx), datum.SerializeToString()) #调用句柄,写入内存 print '{:0>5d}'.format(in_idx) + ':' + img_path # 结束后记住释放资源,否则下次用的时候打不开。。。 in_db.close() # 创建验证集 lmdb 格式文件 print '\nCreating validation_lmdb' in_db = lmdb.open(validation_lmdb, map_size=int(1e12)) with in_db.begin(write=True) as in_txn: for in_idx, img_path in enumerate(train_data): if in_idx % 6 != 0: continue img = cv2.imread(img_path, cv2.IMREAD_COLOR) img = transform_img(img, img_width=IMAGE_WIDTH, img_height=IMAGE_HEIGHT) if 'cat' in img_path: label = 0 else: label = 1 datum = make_datum(img, label) in_txn.put('{:0>5d}'.format(in_idx), datum.SerializeToString()) print '{:0>5d}'.format(in_idx) + ':' + img_path in_db.close() print '\nFinished processing all images'
二:配置文件中使用proto
layer { top: "data" top: "label" name: "data" type: "Data" data_param { source: "/xxxxx/train_lmdb" backend:LMDB batch_size: 128 } transform_param { #mean_file: "/xxxxx/mean.binaryproto" mirror: true } include: { phase: TRAIN } }
三:读取proto数据
import caffe from caffe.proto import caffe_pb2 import lmdb import cv2 import numpy as np lmdb_env = lmdb.open('mylmdb', readonly=True) # 打开数据文件 lmdb_txn = lmdb_env.begin() # 生成处理句柄 lmdb_cursor = lmdb_txn.cursor() # 生成迭代器指针 datum = caffe_pb2.Datum() # caffe 定义的数据类型 for key, value in lmdb_cursor: # 循环获取数据 datum.ParseFromString(value) # 从 value 中读取 datum 数据 label = datum.label data = caffe.io.datum_to_array(datum) print data.shape print datum.channels image = data.transpose(1, 2, 0) cv2.imshow('cv2.png', image) cv2.waitKey(0) cv2.destroyAllWindows() lmdb_env.close()
////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////
Caffe多标签输入常用的的方法有以下几种:
1. 修改Caffe源码使其支持多标签输入,参考CSDN博客《caffe 实现多标签输入(multilabel、multitask)》
2. HDF5 + Slice Layer,HDF5支持多标签,但Caffe在读取HDF5时会将所有数据一次性预读进内存中,在数据量较大时就对内存有较高要求了;也可以对数据分片,通过在prototxt文件中加入Slice Layer层使Caffe依次读取每个数据分片。
3. 使用两个data输入(例如两个LMDB,一个存储图片,一个存储多标签),然后修改prototxt文件配置两个data layer。
实现第三种方法支持多标签输入。Caffe中单标签LMDB的创建可以通过自带的脚本很方便的实现,但多标签LMDB的创建并不像单标签那样简单易用,需要使用者对Caffe的Data Layer有足够的了解。
多标签的场景下,数据是 N x H x W x C 的一个4维的blob,对应的标签是 N x M x 1 x 1的一个4维的blob。
创建图片LMDB
使用下面的代码创建两个图片LMDB:
- train_data_lmdb - 用于训练的图片LMDB
- val_data_lmdb - 用于测试的图片LMDB
# 生成训练图片列表文件,即将tarin_images_dir目录下所有图片的路径写入temp.txt文件 find tarin_images_dir -type f -exec echo {} \; > temp.txt # 在temp.txt文件中每一行后追加伪标签,伪标签起占位符作用,实际并不使用 sed "s/$/ 0/" temp.txt > train_images.txt # 根据train_images.txt创建train_data_lmdb $CAFFE_HOME/build/tools/convert_imageset -resize_height=256 -resize_width=256 / train_images.txt train_data_lmdb # 计算图片均值 $CAFFE_HOME/build/tools/compute_image_mean train_data_lmdb mean.binaryproto
上面的代码用来生成train_data_lmdb,接下来修改代码生成val_data_lmdb. 创建标签LMDB 使用下面的代码创建两个标签LMDB: - train_label_lmdb - 用于训练的标签LMDB - val_label_lmdb - 用于测试的标签LMDB 读入每幅图片的多标签,生成标签LMDB,注意图片LMDB和标签LMDB中的顺序一致,创建LMDB的部分Python 代码如下:
import sys import numpy as np import lmdb caffe_root = '/caffe/' sys.path.insert(0, caffe_root + 'python') import caffe # 根据多标签的位置选择从数据库、文件等中读取每幅图片的多标签,将其构造成一维的np.array类型,并追加入all_labels列表 all_labels = [] # Add your code of reading labels here ! # 创建标签LMDB key = 0 lmdb_path = "/train_label_lmdb" env = lmdb.open(lmdb_path, map_size=map_size) with env.begin(write=True) as txn: for labels in all_labels: datum = caffe.proto.caffe_pb2.Datum() datum.channels = labels.shape[0] datum.height = 1 datum.width = 1 datum.data = labels.tostring() # or .tobytes() if numpy < 1.9 datum.label = 0 key_str = '{:08}'.format(key) txn.put(key_str.encode('ascii'), datum.SerializeToString()) key += 1
上面的代码用来生成train_label_lmdb,接下来修改代码生成val_label_lmdb.
修改prototxt文件
上面我们已经创建了四个数据集train_data_lmdb、val_data_lmdb、train_label_lmdb、val_label_lmdb,并且计算了图片均值mean.binaryproto。
接下来就是修改神经网络deploy.prototxt使其支持多标签训练。由于有四个数据集,我们只需要在deploy.txt中加入四个data layers,分别用来配置这四个数据集。需要注意的是在标签lmdb对应的data layer的参数transform_param中通过scaling参数对label进行缩放,该操作的作用是按照Sigmoid Cross Entropy Loss函数的要求将label范围从[0,255]正则化到[0,1](根据采用的多标签Loss函数的要求,scaling参数可以修改)。
将deploy.prototxt中原有的data layers修改为如下的四个data layers:
# ------------- 配置训练阶段的图片数据集 ---------------- layers { name: "data" type: DATA top: "data" include { phase: TRAIN } transform_param { mirror: true crop_size: 224 mean_file: "data.binaryproto" # 修改为你的均值文件路径 } data_param { source: "train_data_lmdb" # 修改为你的图片lmdb路径 batch_size: 32 backend: LMDB } } # ------------- 配置训练阶段的标签数据集 ---------------- layers { name: "data" type: DATA top: "label" include { phase: TRAIN } transform_param { scale: 0.00390625 # 根据需求设置标签缩放系数 mean_value: 0 } data_param { source: "train_label_lmdb" # 修改为训练集图片lmdb路径 batch_size: 32 backend: LMDB } } # ------------- 配置测试阶段的图片数据集 ---------------- layers { name: "data" type: DATA top: "data" include { phase: TEST } transform_param { mirror: false crop_size: 224 mean_file: "mean.binaryproto" # 修改为你的均值文件路径 } data_param { source: "val_data_lmdb" # 修改为训练阶段的图片lmdb路径 batch_size: 1 backend: LMDB } } # ------------- 配置测试阶段的标签数据集 ---------------- layers { name: "data" type: DATA top: "label" include { phase: TEST } transform_param { scale: 0.00390625 # 根据需求设置标签缩放系数 mean_value: 0 } data_param { source: "val_label_lmdb" # 修改为测试阶段的标签lmdb路径 batch_size: 1 backend: LMDB } } ...... # ----------------- 多标签损失函数 ------------------- layers { name: "loss" type: SIGMOID_CROSS_ENTROPY_LOSS bottom: "fc8" # 根据需求配置 bottom: "label" top: "loss" }